Windows上的TensorFlow：＆＃34;无法打开CUDA库cudnn64_5.dll＆＃34;

时间：2016-12-07 00:16:31

标签： windows tensorflow cudnn

Tensorflow刚刚发布了windows支持。我安装了gpu版本和CUDA 8.0以及python 3.5。但是，在导入tensorflow后，我收到以下错误：

>>> import tensorflow
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cublas64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:119] Couldn't open CUDA library cudnn64_5.dll
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\cuda\cuda_dnn.cc:3459] Unable to load cuDNN DSO
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cufft64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library nvcuda.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library curand64_80.dll locally

有人可以帮忙吗？谢谢！

12 个答案:

答案 0 :(得分：24)

TL; DR：要将cuDNN与TensorFlow一起使用，文件cudnn64_5.dll必须位于%PATH%环境变量中的目录中。请注意，cuDNN是从CUDA单独下载的，您必须下载cuDNN的5.1版。

首先，请注意，cuDNN不与CUDA工具包的其余部分一起分发，因此您需要从the NVIDIA website单独下载。在Windows上，它作为ZIP存档分发，因此您必须将其解压缩并找到包含cudnn64_5.dll的目录。例如，如果将其解压缩到C:\tools\cuda，则DLL将位于C:\tools\cuda\bin\cudnn64_5.dll中。最后，您可以通过在命令提示符下键入以下内容将其添加到路径中：

C:\> set PATH=%PATH%;C:\tools\cuda\bin
C:\> python
...
>>> import tensorflow as tf

答案 1 :(得分：2)

在function Remove-NetScalerWhiteListItem { [CmdletBinding()] Param ( ) DynamicParam { $ParameterName = "ServiceGroup" $AttributeCollection = New-Object System.Collections.ObjectModel.Collection[System.Attribute] $ParameterAttribute = New-Object System.Management.Automation.ParameterAttribute $ParameterAttribute.Mandatory = $true $ParameterAttribute.Position = 0 $ParameterAttribute.DontShow = $false $serviceGroups = Get-NetScalerWhiteList $ValidateSetAtrribute = New-Object System.Management.Automation.ValidateSetAttribute($serviceGroups) $AttributeCollection.Add($ValidateSetAtrribute) $AttributeCollection.Add($ParameterAttribute) $RunTimeParameter = New-Object System.Management.Automation.RuntimeDefinedParameter($ParameterName, [string], $AttributeCollection) $RuntimeParameterDictionary = New-Object System.Management.Automation.RuntimeDefinedParameterDictionary $RuntimeParameterDictionary.Add($ParameterName, $RunTimeParameter) $RuntimeParameterDictionary } Begin { $ServiceGroup = $PSBoundParameters[$ParameterName] } Process { Copy-Item "$masterIgnoreFilePath\ingnore.txt" "$masterIgnoreFilePath\ingnore.bak" $serviceGroups = Get-NetScalerWhiteList $serviceGroups.Remove($serviceGroup) Write-Host $serviceGroups } } 之后尝试了pip3 install --upgrade tensorflow，但效果很好。

我认为只有在直接尝试tensorflow-gpu时才会出现问题。

答案 2 :(得分：1)

除上述答案外，请确保您已下载支持的cuDNN版本。 目前TensorFlow支持旧的cuDNN v.5.1，而Nvidia网站上有更新的cuDNN 6.0。我有6.0这样的错误。当我回到5.1时，一切正常。

答案 3 :(得分：1)

我遇到了这个问题，我花了好几次尝试解决它。 这个答案适用于Windows 64上的Python 64 我还安装了使用Python 3.6的VS2017

从干净的Windows 64计算机 安装Visual Studio 2015（注意：不是vs2017 - 至少还没有）。社区版是免费的。确保安装C ++编译器。你需要这个来编译未来的python库。

这也将清除msvcp140.dll或msvcrt * .dll的任何问题。或者你可以安装VC Redistributable（但我建议安装VS2015，因为这将允许你编译和安装未来的python库）。

接下来，安装VS2017，这次也选择Python和Data Learning（scikit）。这将默认使用Python 3.6安装Anaconda（使用VS2015构建）。还有一些有用的功能

*同时确保您拥有兼容的Nvidia卡（请参阅前面的答案）

然后确保您的计算机上安装了最新的Nvidia驱动程序。

然后确保您已经安装了Google和其他人提到的Nvidia库，包括Cuda垃圾箱。

*从tensorflow 1.2开始，支持Python 3.6，因此不再需要有关创建Python 3.5环境的说明

我遇到了一些与tensorflow 1.2相关的问题。我也在我的环境中尝试过tensorflow 1.31rc2

问题＃1 - 防火墙（针对防火墙后面的人）

这将阻止通过“pip install”进行安装    要解决此问题，请添加 - trusted-host pypi.python.org

例如

pip install tensorflow-gpu --trusted-host pypi.python.org

问题＃2 - 升级到numpy 1.13.1

安装tensorflow会升级到numpy 1.13.1的不兼容版本（至少在我的Windows机器上）。要解决此问题，请在http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy下载 numpy-1.13.1 + mkl-cp36-cp36m-win_amd64.whl

在安装tensorflow之前安装此轮。这将阻止tensorflow安装numpy 1.13.1软件包的不兼容版本

注意：请参阅如何在其他帖子中安装轮子（pip install fullpath_of_wheel）

注意：如果您已经安装了tensorflow，请确保使用pup install的--upgrade选项强制升级）

问题＃3 - 不同地点的Nvidia cuda套餐

要测试您是否拥有正确的CU * .DLL包，请使用“where”命令（来自C：\命令提示符）

其中cublas64_80.dll

其中cudnn64_5.dll

其中cufft64_80.dll

其中nvcuda.dll

其中curand64_80.dll

其中cusolver64_80.dll

如果您的机器与我的一样，您会在多个位置找到这些dll，有时它们甚至不存在。例如，在我的c：\ system32 \ windows中的c：\ program files \ Anaconda3目录nvcuda.dll中找到cublas64_80.dll，依此类推。如果您安装了matlab，它将拥有自己的版本。 CNTK也有自己的版本。 Nvidia会将它们放在另一个目录中。这是另一个问题。正如其他人所提到的，你需要的一些DLL是由Nvidia以zip文件提供的。

我建议先尝试使用

，而不是尝试修复路径

收集上面提到的6个dll并将它们放在一个目录中，例如c：\ tfexperiment

然后进入c：\ tfexperiment

从此位置运行python.exe。 Windows现在将首先在当前路径中查找dll

现在一旦python加载

导入tensorflow为tf

它应该适合你（希望如此）。这是我能够让它在我的机器上工作的唯一方法。如果你做到这一点，你可以简单地添加c：\ tfexperiment作为路径环境变量中的第一个路径。或者你可以找出正确的路径顺序。

如果STILL无效，您可以通过从Microsoft下载procmon.exe来更进一步。运行procmon.exe。过滤可执行文件python.exe（抱歉，我没有时间解释如何使用procmon）。现在回到你的python提示符并再次输入“import tensorflow as tf”。 procmon应该有很多信息。您可能希望过滤loadimage。这将告诉你它正在加载什么dll。请注意，.pyd扩展名也是DLL。加载（或加载失败）的最后一个.dll可能是导致问题的那个。

答案 4 :(得分：0)

您必须下载系统的cudnn，然后在 CUDA_PATH 中提取它。

我的 CUDA_PATH 是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

答案 5 :(得分：0)

对于那些因为以下原因而来到这里的人：

I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:119] Couldn't open CUDA library cublas64_80.dll
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\cuda\cuda_blas.cc:2294] Unable to load cuBLAS DSO.
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cudnn64_5.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:119] Couldn't open CUDA library cufft64_80.dll
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\cuda\cuda_fft.cc:344] Unable to load cuFFT DSO.
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library nvcuda.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:119] Couldn't open CUDA library curand64_80.dll
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\cuda\cuda_rng.cc:338] Unable to load cuRAND DSO.

您需要添加CUDA常规路径。我不知道他们为什么不把它们放在一起下载。很傻。

C:\Users\user>set PATH=%PATH%;C:\tools\cuda\bin;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

答案 6 :(得分：0)

同时确保没有其他...\CUDA\v8.0\bin（错误的版本）坐在另一条路径中。

因此，如果您过去将DLL放在...\CuDNN\v5.1\bin中，请记住您没有将新版本放入foo: @perl -e 'die()' > $@ || { echo "removing $@ because exit code was $${?}"; rm $@; } ，而不从其他目录中删除旧版本。

答案 7 :(得分：0)

我刚从这个网站下载了cuda.dll文件：https://developer.nvidia.com/cudnn

然后将解压缩的文件夹移动到我的其他anaconda库所在的位置。

我使用pycharm，因此很容易看到所有外部库存储在anaconda中的位置。希望这有帮助！

答案 8 :(得分：0)

在我的测试中，我发现TF 1.2支持cudnn 64_5，而TF 1.3支持cudnn 64_6。希望这会有所帮助。 ：）

答案 9 :(得分：0)

您也可以将cuda64_5.dll放在C：\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v9.0 \ bin目录中，它可以正常工作。

您可以使用文件夹GUI并将.dll加载到目录中。然后，每次使用Tensorflow时都不需要定义PATH。

答案 10 :(得分：0)

您可以通过以下方式检查您的环境变量：

import os
print("Environmental variable:", os.environ["PATH"])
C:\WINDOWS\system32;C:\WINDOWS;C:\WINDOWS\System32\Wbem;

我的CUDA_path是“ D：/CUDA/v8.0/bin”，在这里找不到我的CUDA_path。您将在此处找到丢失的文件（例如“ cublas64_80.dll”，“ cudnn64_5.dll”等）。前提是您已经完成CUDA安装。

如果在环境变量中找不到CUDA_path，则可以手动添加CUDA_path： （以下代码的顺序非常重要。在导入TensorFlow之前添加CUDA_path 。）

import os
os.environ["PATH"] += ";D:/CUDA/v8.0/bin;" 
import tensorflow as tf

或者您可以将CUDA_path 临时添加到CMD中：

set PATH=%PATH%;"D:/CUDA/v8.0/bin"
python3 tensorflow_model.py

它可以在我的笔记本电脑上运行（Windows10，Python3.6，Tensorflow-gpu == 1.5）。 我认为这两种方法都是简单的解决方案。

答案 11 :(得分：0)

Dan Bricklin花了我很多时间。
我终于以相同的步骤但有序地实现了它。

  1. 从我的conda环境中删除了以前的张量流。

  2. 为Windows 8安装了 CUDA v9.1 （使用VisualStudio的默认版本进行标准安装），并添加了“ C：\ Program Files \ NVIDIA     GPU计算工具包\ CUDA \ v9.1“ 到路径。

  3. 下载并提取了 cudnn-9.1-windows-7-x64 ，并将其移至“程序文件”中     并将其添加到路径“ C：\ Program Files \ cuda \ bin” 。

  4. 在我的conda环境中通过pip安装了tensorflow “ pip install --ignore-installed --upgrade tensorflow” 。
相关问题
最新问题