Những kết hợp phiên bản TensorFlow và CUDA nào tương thích?

Tôi đã nhận thấy rằng một số phiên bản TensorFlow mới hơn không tương thích với các phiên bản CUDA và cuDNN cũ hơn. Có một cái nhìn tổng quan về các phiên bản tương thích hoặc thậm chí một danh sách các kết hợp được thử nghiệm chính thức tồn tại không? Tôi không thể tìm thấy nó trong tài liệu của TensorFlow.

Nói chung là:

Kiểm tra phiên bản CUDA:

cat /usr/local/cuda/version.txt

và phiên bản cuDNN:

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

và cài đặt một sự kết hợp như được đưa ra dưới đây trong hình ảnh hoặc ở đây .

Các hình ảnh và liên kết sau đây cung cấp tổng quan về các kết hợp được thử nghiệm / hỗ trợ chính thức của CUDA và TensorFlow trên Linux, macOS và Windows:

Cấu hình nhỏ:

Vì các thông số kỹ thuật đã cho bên dưới trong một số trường hợp có thể quá rộng, đây là một cấu hình cụ thể hoạt động:

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

Các cudnn tương ứng có thể được tải xuống ở đây .

(số liệu cập nhật ngày 20 tháng 5 năm 2020)

GPU Linux

Linux

GPU macOS

hệ điều hành Mac

(số liệu cập nhật ngày 31 tháng 5 năm 2018)

các cửa sổ

Cập nhật kể từ ngày 14 tháng 1 năm 2020: Để biết thông tin cập nhật, vui lòng tham khảo Liên kết cho Linux và Liên kết cho Windows .

Bảng tương thích được cung cấp trong trang web tenorflow không chứa các phiên bản nhỏ cụ thể cho cuda và cuDNN. Tuy nhiên, nếu các phiên bản cụ thể không được đáp ứng, sẽ có lỗi khi bạn cố gắng sử dụng tenorflow.

Đối với tensorflow-gpu==1.12.0và cuda==9.0, cuDNNphiên bản tương thích là 7.1.4, có thể được tải xuống từ đây sau khi đăng ký.

Bạn có thể kiểm tra phiên bản cuda của mình bằng cách sử dụng
nvcc --version

phiên bản cuDNN sử dụng
cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

phiên bản tenorflow-gpu sử dụng
pip freeze | grep tensorflow-gpu

CẬP NHẬT: Kể từ tenorflow 2.0, đã được phát hành, tôi cũng sẽ chia sẻ các phiên bản cuda và cuDNN tương thích cho nó (cho Ubuntu 18.04).

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

nếu bạn đang mã hóa trong sổ ghi chép jupyter và muốn kiểm tra phiên bản cuda nào đang sử dụng, hãy chạy lệnh follow trực tiếp vào ô jupyter:

!conda list cudatoolkit

!conda list cudnn

và để kiểm tra xem gpu có hiển thị với tf không:

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

Bạn có thể sử dụng cấu hình này cho cuda 10.0 (10.1 không hoạt động kể từ 3/18), điều này chạy cho tôi:

• dòng chảy> = 1.12.0
• tenorflow_gpu> = 1.4

Cài đặt phiên bản gpu dòng chảy:

pip install tensorflow-gpu==1.4.0

Tôi đã cài đặt CUDA 10.1 và CUDNN 7.6 do nhầm lẫn. Bạn có thể sử dụng các cấu hình sau (Điều này hiệu quả với tôi - kể từ ngày 9/10). :

• Dòng chảy-gpu == 1.14.0
• CUDA 10.1
• CUDNN 7.6
• Ubuntu 18.04

Nhưng tôi đã phải tạo ra các liên kết tượng trưng cho nó để hoạt động như tenorflow ban đầu hoạt động với 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

Và thêm phần sau vào ~ / .bashrc của tôi -

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/

Tôi gặp vấn đề tương tự sau khi nâng cấp lên TF 2.0. Phiên bản CUDA mà TF đang báo cáo không khớp với những gì Ubuntu 18.04 nghĩ tôi đã cài đặt. Nó cho biết tôi đang sử dụng CUDA 7.5.0, nhưng apt nghĩ rằng tôi đã cài đặt đúng phiên bản.

Những gì tôi cuối cùng phải làm là grep đệ quy trong /usr/localcho CUDNN_MAJOR, và tôi thấy rằng /usr/local/cuda-10.0/targets/x86_64-linux/include/cudnn.hđã thực sự xác định phiên bản như 7.5.0.
/usr/local/cuda-10.1hiểu đúng và /usr/local/cudachỉ vào /usr/local/cuda-10.1, vì vậy nó là (và vẫn) là một bí ẩn đối với tôi tại sao TF lại nhìn vào /usr/local/cuda-10.0.

Dù sao, tôi mới chuyển /usr/local/cuda-10.0đến /usr/local/old-cuda-10.0để TF không thể tìm thấy nó nữa và mọi thứ sau đó hoạt động như một cơ duyên.

Tất cả đều rất bực bội, và tôi vẫn cảm thấy như mình vừa thực hiện một vụ hack ngẫu nhiên. Nhưng nó đã hoạt động :) và có lẽ điều này sẽ giúp ai đó có vấn đề tương tự.