Какие комбинации версий TensorFlow и CUDA совместимы?

Я заметил, что некоторые новые версии TensorFlow несовместимы со старыми версиями CUDA и cuDNN. Существует ли обзор совместимых версий или даже списка официально протестированных комбинаций? Я не могу найти его в документации TensorFlow.

Ответ 1

Как правило:

Проверьте версию CUDA:

cat /usr/local/cuda/version.txt

и версия cuDNN:

grep CUDNN_MAJOR -A 2 /usr/local/cuda/include/cudnn.h

и установите комбинацию, как указано ниже на изображениях или здесь.

Следующие изображения и ссылка предоставляют обзор официально поддерживаемых/протестированных комбинаций CUDA и TensorFlow в Linux, macOS и Windows:

Незначительные конфигурации:

Поскольку приведенные ниже спецификации в некоторых случаях могут быть слишком широкими, вот одна конкретная конфигурация, которая работает:

  • tensorflow-gpu==1.12.0
  • cuda==9.0
  • cuDNN==7.1.4

Соответствующий cudnn можно скачать здесь.

(цифры обновлены 29 июня 2019 г.)

Linux GPU

enter image description here

Linux

enter image description here

MacOS GPU

enter image description here

Macos

enter image description here

(рисунок обновлен 31 мая 2018 г.)

Окна

enter image description here

Ответ 2

Таблица совместимости, приведенная в https://www.tensorflow.org/install/source#tested_build_configurations, не содержит специальных вспомогательных версий для cuda и cuDNN. Он обычно указывается как cuda = 9 и cuDNN = 7. Однако, если конкретные версии не встречаются, возникнет ошибка.

Для tensorflow-gpu==1.12.0 и cuda==9.0 совместимая версия cuDNN - 7.1.4, которую можно скачать отсюда после регистрации.

Вы можете проверить свою версию cuda, используя
nvcc --version

версия cuDNN с использованием
cat/usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

Версия tennsflow-GPU с использованием
pip freeze | grep tensorflow-gpu

Ответ 3

Работает: tenenflow 1.13.1, CUDA 10, CUDNN 7.4.2, python 3.6 (плохо работает с 3.7.. 3.7 имеет много ошибок) Для Windows 10

Ответ 4

Вы можете использовать эту конфигурацию для cuda 10.0 (10.1 не работает с 3/18), это работает для меня:

  • tensorflow> = 1.12.0
  • tensorflow_gpu> = 1.4

Установите версию tenorflow gpu:

pip install tensorflow-gpu==1.4.0

Ответ 5

Я установил CUDA 10.1 и CUDNN 7.6 по ошибке. Вы можете использовать следующие конфигурации (это работало для меня - с 9/10). :

  • Tensorflow-GPU == 1.14.0
  • CUDA 10.1
  • CUDNN 7,6
  • Ubuntu 18.04

Но я должен был создать символические ссылки для того, чтобы он работал так, как тензорный поток изначально работает с CUDA 10.

sudo ln -s /opt/cuda/targets/x86_64-linux/lib/libcublas.so /opt/cuda/targets/x86_64-linux/lib/libcublas.so.10.0
sudo cp /usr/lib/x86_64-linux-gnu/libcublas.so.10 /usr/local/cuda-10.1/lib64/
sudo ln -s /usr/local/cuda-10.1/lib64/libcublas.so.10 /usr/local/cuda-10.1/lib64/libcublas.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcusolver.so.10 /usr/local/cuda/lib64/libcusolver.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcurand.so.10 /usr/local/cuda/lib64/libcurand.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcufft.so.10 /usr/local/cuda/lib64/libcufft.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcudart.so /usr/local/cuda/lib64/libcudart.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcusparse.so.10 /usr/local/cuda/lib64/libcusparse.so.10.0

И добавьте следующее в мой ~/.bashrc -

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/cuda/targets/x86_64-linux/lib/

Ответ 6

Для Linux вы можете следовать этому руководству по установке Nvidia: enter image description here Подробнее здесь