Tensorflow-gpu绑定到特定版本的Nvidia CUDA Toolkit的原因是什么？当前版本似乎专门寻找9.0，并且不适用于任何更大的版本。例如，我安装了最新的Toolkit 9.2并将其添加到路径中，但Tensorflow-gpu无法使用它并抱怨它正在寻找9.0。
我可以看到主要版本更新不受支持，但是是次要版本？
答案 0 :(得分：4)
这是一个很好的问题。根据{{3}}，
CUDA驱动程序是向后兼容的，这意味着针对特定版本的CUDA编译的应用程序将继续用于后续（稍后）驱动程序版本。
从技术上讲，支持CUDA驱动程序的后续迭代应该不是问题。在实践中，您将在网络NVidia's website，[1]上找到工作的非官方预构建二进制文件以及更高版本的CUDA和CuDNN。更容易安装，从conda安装的tensorflow-gpu软件包目前与CUDA 9.2捆绑在一起。
当被问及这个主题时，我是一个开发者[2]，
为什么驱动程序问题出现在9.1所要求的问题，cuda 9.1中我们需要的新功能不多，还有一些小问题。
所以原因看起来很模糊 - 他可能意味着CUDA 9.1（和9.2）要求显卡驱动程序可能有点太新，不太方便，但这是一个没有受过教育的猜测。
如果NVidia对二进制兼容性是正确的，您可以尝试简单地将CUDA 9.2库重命名或链接为CUDA 9.0库，它应该可以工作。但是在尝试这个之前我会保存所有的工作...而且人们甚至重新编译张量流来支持后来的CUDA版本可能会暗示这可能会如何结束。
答案 1 :(得分：3)
下载TF时，将下载一个预构建的二进制文件。 在构建过程中，TF被硬链接到特定版本的Cuda中，因此您不能将其与其他cuda版本一起使用。
如果您想使用新版本（或有时是旧版本）的cuda，则需要从源代码（check how here）安装TF。 或者，如果您真的不想构建自己的设备，请签入这些存储库，其中有一些发布特定的TF二进制文件，例如：
（我在这里写的是我使用过的TF版本，也许较旧的TF版本也会使用较旧的CUDA版本）
答案 2 :(得分：1)
问题不在于NVIDIA驱动程序，而在于Tensorflow本身。我花了一个小时试图让它工作，并最终意识到，如果你从googleapi.com下载预先构建的二进制文件，它是硬编码来加载libcudart.so.9.0！如果您同时安装了cuda 9.0和9.2，则tensorflow将起作用（但它实际上是从9.0加载动态库）。 （顺便说一下，我用anaconda安装了TF。）
更清洁的方法是从源代码构建TF。它并不太复杂。