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

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