Question

我注意到一些较新的TensorFlow版本与较旧的CUDA和cuDNN版本不兼容。是否存在兼容版本的概述，甚至是官方测试组合的列表？我在TensorFlow文档中找不到它。

Answer 1

一般而言：

检查CUDA版本：

cat /usr/local/cuda/version.txt

和cuDNN版本：

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

并在图片或here中安装如下所示的组合。

以下图片和链接概述了Linux，macOS和Windows上CUDA和TensorFlow的官方支持/测试组合：

次要配置：

由于以下某些情况下给定的规范可能过于宽泛，因此以下是一个有效的配置：

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

可以下载相应的cudnn here。

（2018年2月16日更新的数据）

Linux GPU

的Linux

macOS GPU

MACOS

（图更新于2018年5月31日）

窗

Answer 2

https://www.tensorflow.org/install/source#tested_build_configurations中给出的兼容性表不包含cuda和cuDNN的特定次要版本。通常只将其列出为cuda = 9和cuDNN = 7。但是，如果不符合特定的版本，则会出现错误。

对于tensorflow-gpu==1.12.0和cuda==9.0，兼容的cuDNN版本是7.1.4，可以在注册后从here下载。

您可以使用
检查cuda版本 nvcc --version

cuDNN版本使用
cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

tensorflow-gpu版本使用
pip freeze | grep tensorflow-gpu

Answer 3

工作：tensorflow 1.13.1，CUDA 10，CUDNN 7.4.2，python 3.6（不适用于3.7 .. 3.7有很多错误）对于Windows 10

Answer 4

如果您在jupyter笔记本中进行编码，并且想检查tf使用的是哪个cuda版本，请直接在jupyter单元中运行以下命令：

!conda list cudatoolkit

!conda list cudnn

并检查gp是否对tf可见：

tf.test.is_gpu_available(
    cuda_only=False, min_cuda_compute_capability=None
)

Answer 5

您可以将此配置用于cuda 10.0（从3/18开始10.1无效），

tensorflow> = 1.12.0
tensorflow_gpu> = 1.4

安装版本tensorflow gpu：

pip install tensorflow-gpu==1.4.0

Answer 6

我错误地安装了CUDA 10.1和CUDNN 7.6。您可以使用以下配置（这对我有用-从9/10开始）。：

Tensorflow-gpu == 1.14.0
CUDA 10.1
CUDNN 7.6
Ubuntu 18.04

但是我必须创建符号链接才能使其工作，因为tensorflow最初可用于CUDA10。

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

并将以下内容添加到我的〜/ .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/

Answer 7

升级到TF 2.0后，我遇到了类似的问题。 TF报告的CUDA版本与Ubuntu 18.04认为我已安装的版本不匹配。它说我正在使用CUDA 7.5.0，但以为我安装了正确的版本。

我最终要做的是在/usr/local中对CUDNN_MAJOR进行grep递归，我发现/usr/local/cuda-10.0/targets/x86_64-linux/include/cudnn.h确实确实将版本指定为7.5.0。
/usr/local/cuda-10.1正确无误，/usr/local/cuda指向/usr/local/cuda-10.1，所以TF看着/usr/local/cuda-10.0的原因对我来说仍然是一个谜。

无论如何，我只是将/usr/local/cuda-10.0移到了/usr/local/old-cuda-10.0，所以TF再也找不到了，所以一切都像个魅力。

一切都非常令人沮丧，我仍然觉得我只是在随机进行黑客入侵。但这有效了:)，也许这会对遇到类似问题的人有所帮助。

哪个TensorFlow和CUDA版本组合兼容？

7 个答案: