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.
Какие комбинации версий TensorFlow и CUDA совместимы?
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
Linux
MacOS GPU
Macos
(рисунок обновлен 31 мая 2018 г.)
Окна
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: Подробнее здесь