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 список официально протестированных комбинаций? Я не могу найти это в документации TensorFlow.

В общем-то:

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 в 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 20 мая 2020 г.)

Linux GPU

Linux

MacOS GPU

Macos

(рисунок обновлен 31 мая 2018 г.)

Windows

Обновление от 14 января 2020 года: обновленную информацию см. В разделах « Ссылка для Linux» и « Ссылка для Windows» .

Таблица совместимости, приведенная на сайте tenorflow , не содержит специальных минорных версий для cuda и cuDNN. Тем не менее, если конкретные версии не встречаются, при попытке использовать тензор потока возникнет ошибка.

Для tensorflow-gpu==1.12.0и cuda==9.0совместимая cuDNNверсия есть 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

ОБНОВЛЕНИЕ: Начиная с версии tenorflow 2.0, я поделюсь с ней совместимыми версиями cuda и cuDNN (для Ubuntu 18.04).

• tensorflow-gpu = 2.0.0
• cuda = 10,0
• cuDNN = 7.6.0

если вы пишете код в блокноте jupyter и хотите проверить, какую версию cuda использует tf, введите команду follow непосредственно в ячейку jupyter:

!conda list cudatoolkit

!conda list cudnn

и проверить, виден ли gpu для tf:

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

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

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 тензор потока 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/

У меня была похожая проблема после обновления до TF 2.0. Версия CUDA, о которой сообщал TF, не соответствовала версии Ubuntu 18.04, которую я установил. Там говорилось, что я использую CUDA 7.5.0, но мне показалось, что у меня установлена ​​правильная версия.

То , что я в конце концов , должен был сделать Grep рекурсивно /usr/localдля CUDNN_MAJOR, и я обнаружил , что /usr/local/cuda-10.0/targets/x86_64-linux/include/cudnn.hдействительно указать версию , как 7.5.0.
/usr/local/cuda-10.1правильно понял и /usr/local/cudaуказал /usr/local/cuda-10.1, так что это было (и остается) загадкой для меня, почему TF смотрел /usr/local/cuda-10.0.

Во всяком случае, я просто переехал /usr/local/cuda-10.0в /usr/local/old-cuda-10.0TF, так что TF больше не мог его найти, и тогда все работало как шарм.

Все это очень расстраивало, и я все еще чувствую, что я просто сделал случайный взлом. Но это сработало :) и, возможно, это поможет кому-то с подобной проблемой.