精华内容
下载资源
问答
  • 补充:最新的Tensorlfow2.0 gpu版要求使用的CUDACUDA 10.0,安装错版本了会用不了,最新的pytorch 1.3.1要求使用CUDA 10.1,如果你两者都需要使用,可以先把CUDA 10.0和CUDA 10.1都安装上,然后linux下把/usr/...

    最新的Tensorflow和CUDA cuDNN的对应关系可以从这里找到:

    https://tensorflow.google.cn/install/source

    https://tensorflow.google.cn/install/source_windows

     

    以下内容提到的版本都有点陈旧了,不过如果tensorflow和cuda cudnn版本对不上时,你可能依旧会遇到类似的下面提到的问题,仅供参考。

        最新的Tensorlfow2.0 gpu版要求使用的CUDA是CUDA 10.0,安装错版本了会用不了,最新的pytorch 1.3.1要求使用CUDA 10.1,如果你两者都需要使用,可以先把CUDA 10.0和CUDA 10.1都安装上,然后linux下把/usr/local/cuda链接到CUDA 10.0所在的目录, windows下吧CUDA v10.1改名成别的名字,然后把CUDA v10.0改名成CUDA v10.1,这样Tensorflow 2.0和PyTorch1.3.1能同时使用,也就是说PyTorch1.3.1要求CUDA是10.1版貌似只是在安装时检查要求版本是10.1,而实际上跑代码时用CUDA 10.0就够了,这个我试用过多次,目前还没有发现报错。

    注:本文后面写的内容是基于CUDA9.0的,但步骤是仍基本适用的;另外,昨天Tensorflow 最新的版本1.13 rc2发布了: https://github.com/tensorflow/tensorflow/releases/tag/v1.13.0-rc2 里面有几个重要的让人看到就激动(^_^)的improvements:

    • TensorFlow Lite has moved from contrib to core. This means that Python modules are under tf.lite and source code is now under tensorflow/lite rather than tensorflow/contrib/lite.
    • TensorFlow GPU binaries are now built against CUDA 10 and TensorRT 5.0.
    • Support for Python3.7 on all operating systems.
    • Moved NCCL to core.

    首先,Tensorflow终于支持CUDA 10了!第二,我很在乎的TensorFlow Lite终于移到core里来了!另外,Python3.7可以放心使用了,支持多个NVidia GPU卡之间通讯的NCCL也移到core里了(什么是NCCL,参见https://baijiahao.baidu.com/s?id=1581386178946489641&wfr=spider&for=pc这篇文章)。 

    所以如果你打算用Tensorflow最新的版本,可以安装CUDA 10,而不是CUDA 9.x,这样可以用到最新的CUDA的特性和避免一些bug。

    下面是以前写的原文:

         这个问题曾让我折腾了一天半,真是个大坑啊,反复把Tensorflow和CUDA装了卸,卸了又装,然后测试,遇到一个又一个错误,周六晚上弄到凌晨三点,周日上午继续干,终于在周日中午搞定,现在对这个问题弄得比较透彻了。

       每安装某一个Tensorflow版本时该安装什么对应版本的cuda和cudnn呢?Tensorflow没有提供明确的提示,我买的多本关于tensorflow的书里都只说作者安装的什么版本,根本没说Tensorflow版本和使用的CUDA、cuDNN版本的对应关系,网上也没找到这样的文章,所以像我这样喜欢尝鲜总是安装最新版Tensorflow 1.8 而不是书上说的版本的就得自己琢磨解决GPU版tensorflow安装后使用时出现的错误了。

        在解决tensorflow报错问题的过程中我注意到https://github.com/tensorflow/tensorflow/releases提供了Tensorflow个版本的releases notes,在里面搜索cuda,可以看到在Tensorflow 1.6版里有个大的改动:

     

    Release 1.6.0

    Breaking Changes

    • Prebuilt binaries are now built against CUDA 9.0 and cuDNN 7.
    • Prebuilt binaries will use AVX instructions. This may break TF on older CPUs

    这表明Tensorflow1.6开始使用CUDA9.0+cuDNN7。

        另外还有一个快捷办法,通过查看tensorflow的源码build_info.py知道其使用的CUDA和cuDNN版本(我在import tensorflow出错后,根据出错信息,阅读琢磨出错的.py代码文件,跟调用关系找到的这个定义版本信息的文件,以前的老版本tensorflow似乎没有这个文件,版本信息都是写死在初始化的.py源码里,需要搜索初始化代码找到检查cuda版本地方):

       假设tensorflow安装在D:\Anaconda3\envs\tensorflow环境里,那么打开D:\Anaconda3\envs\tensorflow\Lib\site-packages\tensorflow\python\platform\build_info.py这个文件,可以看到使用的CUDA 9.0和cuDNN 7:

        msvcp_dll_name = 'msvcp140.dll'
        cudart_dll_name = 'cudart64_90.dll'
        cuda_version_number = '9.0'
        nvcuda_dll_name = 'nvcuda.dll'
        cudnn_dll_name = 'cudnn64_7.dll'
        cudnn_version_number = '7'

       这里的msvcp140.dll应该在C:\Windows\System32\下面,是通过安装vc 2005 redistribute提供的,nvcuda.dll也是在C:\Windows\System32\下面,cudart64_90.dll则是安装CUDA 9.0时产生的cudnn64_7.dll是安装cuDNN 7时产生的,任何一个文件缺失或没加入搜索路径都有可能引起tensorflow在import时报ImportError错。

       CUDA在https://developer.nvidia.com/cuda-downloads这里下载,打开页面后不要在这个页面里下载,因为这个页面下载的是CUDA9.2,版本太高了跟tensorflow1.8不匹配,而是应该后点击Legacy Releases按钮进入archive页面https://developer.nvidia.com/cuda-toolkit-archive,然后点击CUDA Tookit 9.0进入CUDA 9.0的下载页面https://developer.nvidia.com/cuda-90-download-archive,根据自己机器环境选择操作系统和版本及位数点击相应按钮做选择,注意最后一项Install Type最好选择本地可执行文件,比如Windows版的exe(local)或Linux版的runfile(local),这样在网速差的环境下对成功安装更有保障。对于Windows 64位安装环境,这里需要下载三个安装文件,一个主文件:cuda_9.0.176_win10.exe和两个patch文件:cuda_9.0.176.1_windows.exe,cuda_9.0.176.2_windows.exe。

       cuDNN在https://developer.nvidia.com/cudnn这里下载,这里需要先注册账号然后登录才能进去下载,反正NVIDIA网站做的很不友好,注册后登录还得验证邮件转来转去的晕头转向,网站找个什么东西也是很不直观,不是一般的绕,用过NVIDIA网站的恐怕都想吐槽,登录(注册后好像仍然要使用join进去,而不是login,否则老是循环要你验证邮件有效性,晕死)进去后,下载对应于cuda9.0的cudnn7.1.4文件(从https://developer.nvidia.com/rdp/cudnn-download这里下载cudnn最新版7.1.4,不要进Archived cuDNN Releases),对于Windows 64位安装环境,下载cudnn7.1.4 for cuda9.0即cudnn-9.0-windows10-x64-v7.1.zip。

         安装CUDA时,最好使用自定义安装,把Visual Studio Integration的勾选去掉,否则你机器上安装的Visual Studio版本不对或者没有安装时,下一步会报错导致你安装不下去(下面两张图是试着安装CUDA 9.1版时的截图,出错提示是一样的,所以不影响作为示例):

        这时可以退回去把Visual Studio Integration勾选去掉再安装:    

        安装CUDA 9.0的默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\,安装CUDA9.0完后,把cudnn-9.0-windows10-x64-v7.1.zip解压后,把bin,include,lib里面的文件(共三个)分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib目录下即可。

          然后测试tensorflow,可以看到我本子的GeForce 940MX GPU被tensorflow添加创建为TensorFlow device,并 可以成功打印输出常量c的值,表明安装成功了:

         

         我最初不知道Tensorflow1.8和CUDA 9.0对应依赖关系,我的本子的GPU是很古老的Geforce 940MX,对它没信心,怕安装了CUDA9.0根本不能用,又查看了我的本子上的NVIDIA控制面板里的系统信息窗口里的组件信息,本子上当时安装的NVCUDA版本是8.0.0(这个版本信息其实是CUDA driver版本,而不是要安装的CUDA runtime的版本,把两者搞混了,误导了思考方向):

        另外由受书本和网上的有些文章误导跌入坑里,相信应该是安装CUDA8,于是先安装的CUDA8.0.44+cuDNN 7,结果安装GPU版Tensorflow后Import tensorflow时报错找不到文件cudart64_90.dll,把CUDA 8的cudart64_80.dll强制改名为cudart64_90.dll后,Import tensorflow又会报另外的错ImportError: DLL load falied: 找不到指定的模块,不知道是哪个模块找不到,于是我琢磨出错代码,在‪D:\Anaconda3\Lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py里加了句打印把

       mname = '.'.join((pkg, '_pywrap_tensorflow_internal')).lstrip('.')

     这里的mname打印出来,可以看到这个模块是tensorflow.python._pywrap_tensorflow_internal,可是在D:\Anaconda3\Lib\site-packages\tensorflow\python\下面有_pywrap_tensorflow_internal.pyd这个文件啊,怎么回事呢?怎么就不认识这个pyd文件呢?于是把tensorflow-gpu 1.8和CUDA 8+cuDNN7/CUDA 8+cuDNN6装了卸卸了装弄了多遍折腾到凌晨几点还是没搞定,今天早上继续,后来突然想到可能是因为Tensorflow1.8就得安装CUDA9.0,否则初始化代码检查CUDA版本失败导致_pywrap_tensorflow_internal这个模块加载不了,后来下载CUDA 9.0+cuDNN7.1,安装好后,果然tensorflow可以用了!

     

         关于安装错误的CUDA版本导致的几个错误,截图如下:

    (1)找不到cudart64_90.dll:

    (2) ImportError: DLL loaded failed: 找不到指定模块。找不到_pywrap_tensorflow_internal模块:

     

    另外,如果运行tensorflow时报错说:CUDA driver  version is insufficient for CUDA runtime version : 

       这说明你机器上安装的CUDA driver版本比刚安装的CUDA tookit版本低(原因应是安装时没有勾选display driver之类的),解决办法是安装CUDA tookit时所用组件全部勾选(除了Visual Studio Integration),如果还不行,假如你的GPU卡是GeForce序列的,到https://www.geforce.com/drivers按你的机器的GPU卡的类型搜索对应的最新的driver,下载并安装即可,其他序列的去NVIDIA中国网页https://www.nvidia.cn/Download/index.aspx?lang=cn上按卡类型搜索最新的driver安装程序。

        通过搜索GUP卡的驱动,知道了很古老的GPU卡NVIDIA仍在提供最新的driver更新,这样就保障了我的GeForce 940MX这样的古懂卡在升级driver到最新后,也可以自由使用最新的CUDA 9.x版本,只要Tensorflow或Caffe支持!这点真是太好了!以前担心我的GPU卡太老导致玩不了比较新的GPU版tensorflow,现在暂时不用担心了!

     

         关于Tensorflow更多知识,可以访问谷歌中国官网(https://tensorflow.google.cn/)了解更多 TensorFlow 内容,也可关注 TensorFlow 官方公众号获取更多资讯。

         

     

         关于如何在Linux下安装CUDA和CUDNN,参见 我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

     

     

    我的AI之路(1)--前言

    我的AI之路(2)--安装Fedora 28

    我的AI之路(3)--安装Anaconda3 和Caffe

    我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8

    我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

    我的AI之路(6)--在Anaconda3 下安装PyTorch

    我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm

    我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题

    我的AI之路(9)--使用scikit-learn

    我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

    我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误

    我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误

    我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误

    我的AI之路(14)--Caffe example:使用MNIST数据集训练和测试LeNet-5模型

    我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决

    我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境

    我的AI之路(17)--Tensorflow和Caffe的API及Guide

    我的AI之路(18)--Tensorflow的模型安装之object_detection

    我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI

    我的AI之路(20)--用Tensorflow object_detection跑raccoon数据集

    我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集

    我的AI之路(22)--使用Object_Detection_Tensorflow_API

    我的AI之路(23)--在Windows下编译Bazel和使用Bazel编译tensorflow

     

    展开全文
  • cuda和cudnn版本查看

    千次阅读 2019-01-19 16:34:18
     需要查看 linux内核发行版,来确定后续一些软件的安装版本选择。《如何查看LINUX发行版的名称及其版本号》:https://www.qiancheng.me/post/coding/show-linux-issue-version  查看Linux内核 1 ...

    1.1 检查ubuntu环境

    1.1.1 Linux 内核和发行版

      需要查看 linux内核和发行版,来确定后续一些软件的安装版本选择。《如何查看LINUX发行版的名称及其版本号》:https://www.qiancheng.me/post/coding/show-linux-issue-version

      查看Linux内核

    1

    uname -a

      查看Linux发行版

    1

    cat /etc/redhat-release #centos下面的命令

      

      我用的是 centos,在运行demo期间没发现什么问题,但最好是用Ubutu 14或者16吧

     

    1.1.2 检查cuda 和cudnn的版本

    chen 推荐的是 TensorFlow 的 r1.2 版本,应该是安装r1.2推荐的cuda和cudnn,但是因为我没有服务器的root权限,无法更改cuda和cudnn,所以只能选择一个和本机环境相对应的tensorflow版本了。

    注意这里如果不安装匹配的版本,可能会出现cudnn库找不到的情况,(别问我怎么知道的),https://stackoverflow.com/questions/42013316/after-building-tensorflow-from-source-seeing-libcudart-so-and-libcudnn-errors,如果有root权限的,最好是装r1.2版本的,当然要查好r1.2支持的cuda和cudnn,方法也在下面。

    查看cuda的版本:http://blog.csdn.net/zhangjunhit/article/details/76532196

    1

    cat /usr/local/cuda/version.txt

    查看cudnn版本:

    1

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

      我的cuda=8,cudnn=6

    展开全文
  • cudnn 免登陆下载 ...conda版本选择: https://blog.csdn.net/yeler082/article/details/80943040 转载于:https://www.cnblogs.com/twodoge/articles/9952859.htm...

    cudnn 免登陆下载

    https://blog.csdn.net/Fighting_Dreamer/article/details/77949118

    conda版本选择:

    https://blog.csdn.net/yeler082/article/details/80943040

    转载于:https://www.cnblogs.com/twodoge/articles/9952859.html

    展开全文
  • -如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本 我的AI之路(6)--在Anaconda3 下安装PyTorch 我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm 我的AI之路(8)--体验用OpenCV 3的ANN进行...

    在我安装tensorflow-gpu的时候遇到一系列的问题
    最后看了这个文章,豁然开朗。

    文章性质:转载

    作者:Arnold-FY-Chen

    原文链接:https://blog.csdn.net/xccccz/article/details/80385448#commentsedit



    注:本文后面写的内容是基于CUDA9.0的,但步骤是仍基本适用的;另外,昨天Tensorflow 最新的版本1.13 rc2发布了: https://github.com/tensorflow/tensorflow/releases/tag/v1.13.0-rc2 里面有几个重要的让人看到就激动(^_^)的improvements:

    • TensorFlow Lite has moved from contrib to core. This means that Python modules are under tf.lite and source code is now under tensorflow/lite rather than tensorflow/contrib/lite.
    • TensorFlow GPU binaries are now built against CUDA 10 and TensorRT 5.0.
    • Support for Python3.7 on all operating systems.
    • Moved NCCL to core.

    首先,Tensorflow终于支持CUDA 10了!

    第二,我很在乎的TensorFlow Lite终于移到core里来了!另外,Python3.7可以放心使用了,支持多个NVidia GPU卡之间通讯的NCCL也移到core里了

    (什么是NCCL,参见https://baijiahao.baidu.com/s?id=1581386178946489641&wfr=spider&for=pc这篇文章)。 

    所以如果你打算用Tensorflow最新的版本,可以安装CUDA 10,而不是CUDA 9.x,这样可以用到最新的CUDA的特性和避免一些bug。


    下面是以前写的原文:

         这个问题曾让我折腾了一天半,真是个大坑啊,反复把Tensorflow和CUDA装了卸,卸了又装,然后测试,遇到一个又一个错误,周六晚上弄到凌晨三点,周日上午继续干,终于在周日中午搞定,现在对这个问题弄得比较透彻了。

       每安装某一个Tensorflow版本时该安装什么对应版本的cuda和cudnn呢?Tensorflow没有提供明确的提示,我买的多本关于tensorflow的书里都只说作者安装的什么版本,根本没说Tensorflow版本和使用的CUDA、cuDNN版本的对应关系,网上也没找到这样的文章,所以像我这样喜欢尝鲜,总是安装最新版Tensorflow 1.8 而不是书上说的版本的就得自己琢磨解决GPU版tensorflow安装后使用时出现的错误了。

        在解决tensorflow报错问题的过程中我注意到https://github.com/tensorflow/tensorflow/releases提供了Tensorflow个版本的releases notes,在里面搜索cuda,可以看到在Tensorflow 1.6版里有个大的改动:

    Release 1.6.0

    Breaking Changes

    • Prebuilt binaries are now built against CUDA 9.0 and cuDNN 7.
    • Prebuilt binaries will use AVX instructions. This may break TF on older CPUs

    这表明Tensorflow1.6开始使用CUDA9.0+cuDNN7。

        另外还有一个快捷办法,通过查看tensorflow的源码build_info.py知道其使用的CUDA和cuDNN版本(我在import tensorflow出错后,根据出错信息,阅读琢磨出错的.py代码文件,跟调用关系找到的这个定义版本信息的文件,以前的老版本tensorflow似乎没有这个文件,版本信息都是写死在初始化的.py源码里,需要搜索初始化代码找到检查cuda版本地方):

    假设tensorflow安装在D:\Anaconda3\envs\tensorflow环境里

    那么打开D:\Anaconda3\envs\tensorflow\Lib\site-packages\tensorflow\python\platform\build_info.py这个文件,可以看到使用的CUDA 9.0和cuDNN 7:

        msvcp_dll_name = 'msvcp140.dll'
        cudart_dll_name = 'cudart64_90.dll'
        cuda_version_number = '9.0'
        nvcuda_dll_name = 'nvcuda.dll'
        cudnn_dll_name = 'cudnn64_7.dll'
        cudnn_version_number = '7'

    这里的

    msvcp140.dll应该在C:\Windows\System32下面

    是通过安装vc 2005 redistribute提供的,nvcuda.dll也是在C:\Windows\System32下面

    cudart64_90.dll则是安装CUDA 9.0时产生的,cudnn64_7.dll是安装cuDNN 7时产生的,任何一个文件缺失或没加入搜索路径都有可能引起tensorflow在import时报ImportError错。

    CUDA在这里下载:
    https://developer.nvidia.com/cuda-downloads

    打开页面后不要在这个页面里下载,因为这个页面下载的是CUDA9.2,版本太高了跟tensorflow1.8不匹配

    而是应该后点击Legacy Releases按钮进入archive页面:
    https://developer.nvidia.com/cuda-toolkit-archive

    然后点击CUDA Tookit 9.0进入CUDA 9.0的下载页面https://developer.nvidia.com/cuda-90-download-archive=

    根据自己机器环境选择操作系统和版本及位数点击相应按钮做选择,注意最后一项Install Type最好选择本地可执行文件,比如Windows版的exe(local)或Linux版的runfile(local),这样在网速差的环境下对成功安装更有保障。对于Windows 64位安装环境,这里需要下载三个安装文件

    一个主文件:
    cuda_9.0.176_win10.exe

    两个patch文件:
    cuda_9.0.176.1_windows.exe,cuda_9.0.176.2_windows.exe。

    cuDNN这里下载:
    https://developer.nvidia.com/cudnn

    这里需要先注册账号然后登录才能进去,反正NVIDIA网站做的很不友好,注册后登录还得验证邮件转来转去的晕头转向,网站找个什么东西也是很不直观,不是一般的绕,用过NVIDIA网站的恐怕都想吐槽,登录(注册后好像仍然要使用join进去,而不是login,否则老是循环要你验证邮件有效性,晕死)

    进去后,下载对应于cuda9.0的cudnn7.1.4文件(从https://developer.nvidia.com/rdp/cudnn-download这里下载cudnn最新版7.1.4,不要进Archived cuDNN Releases),

    对于Windows 64位安装环境,下载cudnn7.1.4 for cuda9.0即cudnn-9.0-windows10-x64-v7.1.zip。


         安装CUDA时,最好使用自定义安装,把Visual Studio Integration的勾选去掉,否则你机器上安装的Visual Studio版本不对或者没有安装时,下一步会报错导致你安装不下去(下面两张图是试着安装CUDA 9.1版时的截图,出错提示是一样的,所以不影响作为示例):

        这时可以退回去把Visual Studio Integration勾选去掉再安装:    

    安装CUDA 9.0的默认路径是
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\,

    安装CUDA9.0完后,把cudnn-9.0-windows10-x64-v7.1.zip解压后,把bin,include,lib里面的文件(共三个)

    分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0下的bin,include,lib目录下即可。

          然后测试tensorflow,可以看到我本子的GeForce 940MX GPU被tensorflow添加创建为TensorFlow device,并 可以成功打印输出常量c的值,表明安装成功了

      我最初不知道Tensorflow1.8和CUDA 9.0对应依赖关系,我的本子的GPU是很古老的Geforce 940MX,对它没信心,怕安装了CUDA9.0根本不能用,又查看了我的本子上的NVIDIA控制面板里的系统信息窗口里的组件信息,本子上当时安装的NVCUDA版本是8.0.0(这个版本信息其实是CUDA driver版本,而不是要安装的CUDA runtime的版本,把两者搞混了,误导了思考方向

    另外由受书本和网上的有些文章误导跌入坑里,相信应该是安装CUDA8,于是先安装的CUDA8.0.44+cuDNN 7,结果安装GPU版Tensorflow后Import tensorflow时报错找不到文件cudart64_90.dll

    CUDA 8cudart64_80.dll强制改名为cudart64_90.dll后,Import tensorflow又会报另外的错ImportError: DLL load falied: 找不到指定的模块

    不知道是哪个模块找不到,于是我琢磨出错代码,在‪:
    D:\Anaconda3\Lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py
    里加了句打印把

    mname = '.'.join((pkg, '_pywrap_tensorflow_internal')).lstrip('.')
    

    这里的mname打印出来,可以看到这个模块是:
    tensorflow.python._pywrap_tensorflow_internal

    可是在:
    D:\Anaconda3\Lib\site-packages\tensorflow\python\

    下面有:
    _pywrap_tensorflow_internal.pyd

    这个文件啊,怎么回事呢?怎么就不认识这个pyd文件呢?

    于是把tensorflow-gpu 1.8CUDA 8+cuDNN7/CUDA 8+cuDNN6装了卸卸了装弄了多遍折腾到凌晨几点还是没搞定,今天早上继续,后来突然想到可能是因为Tensorflow1.8就得安装CUDA9.0,否则初始化代码检查CUDA版本失败导致_pywrap_tensorflow_internal这个模块加载不了,

    后来下载CUDA 9.0+cuDNN7.1,安装好后,果然tensorflow可以用了!


    关于安装错误的CUDA版本导致的几个错误,截图如下:

    (1)找不到cudart64_90.dll:

    (2) ImportError: DLL loaded failed: 找不到指定模块。找不到_pywrap_tensorflow_internal模块:

    另外,如果运行tensorflow时报错说:CUDA driver  version is insufficient for CUDA runtime version : 

    这说明你机器上安装的CUDA driver版本比刚安装的CUDA tookit版本低(原因应是安装时没有勾选display driver之类的),解决办法是安装CUDA tookit时所用组件全部勾选(除了Visual Studio Integration)

    如果还不行,假如你的GPU卡是GeForce序列的,到:
    https://www.geforce.com/drivers
    按你的机器的GPU卡的类型搜索对应的最新的driver,下载并安装即可

    其他序列的去NVIDIA中国网页:
    https://www.nvidia.cn/Download/index.aspx?lang=cn上按卡类型搜索最新的driver安装程序。

        通过搜索GUP卡的驱动,知道了很古老的GPU卡NVIDIA仍在提供最新的driver更新,这样就保障了我的GeForce 940MX这样的古懂卡在升级driver到最新后,也可以自由使用最新的CUDA 9.x版本,只要Tensorflow或Caffe支持!这点真是太好了!以前担心我的GPU卡太老导致玩不了比较新的GPU版tensorflow,现在暂时不用担心了!

     

         关于如何在Linux下安装CUDA和CUDNN,参见 我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

    我的AI之路(1)--前言

    我的AI之路(2)--安装Fedora 28

    我的AI之路(3)--安装Anaconda3 和Caffe

    我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8

    我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

    我的AI之路(6)--在Anaconda3 下安装PyTorch

    我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm

    我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题

    我的AI之路(9)--使用scikit-learn

    我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

    我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误

    我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误

    我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误

    我的AI之路(14)--Caffe example:使用MNIST数据集训练和测试LeNet-5模型

    我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决

    我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境

    我的AI之路(17)--Tensorflow和Caffe的API及Guide

    我的AI之路(18)--Tensorflow的模型安装之object_detection

    我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI

    我的AI之路(20)--用Tensorflow object_detection跑raccoon数据集

    我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集

    我的AI之路(22)--使用Object_Detection_Tensorflow_API

    我的AI之路(23)--在Windows下编译Bazel和使用Bazel编译tensorflow

     

    展开全文
  • 1.查看显卡型号 2.查看CUDA版本 3.下载CUDA和cuDNN 4.安装对应tensorflow-gpu
  • Ubuntu16.04,cuda 9.0, cudnn 7.5.0(已有) 再安装cuda10.0,cudnn 7.6.4.38 1、安装cuda10.0 到CUDA Toolkit Download下载,我下载的是cuda_10.0.130_410.48_linux.run (注意选择对应版本,点击下载,推荐使用...
  • 各家深度学习框架疯狂推新,cuda也不敢落后,苦了开发者要做各种的版本选择。一不小心就掉坑里了,还半天爬不出来那种。 记录下,以备再掉坑好找根绳子。 Tensorflow 参考 Tensorflow 官网推荐 Pytorch torch-...
  • Windows10安装CUDA和cuDNN

    2020-11-10 13:50:11
    文章目录1.查看本机的CUDA驱动适配版本2.下载CUDA和cuDNN3.安装CUDA和cuDNN4.添加环境变量5.... 1.查看本机的CUDA驱动适配版本 ...注意CUDA和cuDNN版本号需要对应上 3.安装CUDA和cuDNN ​ 可以选择自定义安装,但是
  • Ubuntu20.04 安装cuda和cudnn

    千次阅读 热门讨论 2020-08-12 11:24:36
    目录Ubuntu20.04系统显卡2080 Ti 安装cuda和cudnn安装流程第一步:禁用nouveau第二步 Nvidia驱动安装Cuda安装cudnn安装 Ubuntu20.04系统显卡2080 Ti 安装cuda和cudnn 历经千辛万苦,终于完成第一步,先晒一下结果图...
  • 小白装Ubuntu20.04-系列记录...我没有旧版本的卸载,从cuda的下载安装着手。一般选择runfile(local)版本下载,忘记在哪里看到的了,尽量不用其他版本cuda的下载官方地址:https://developer.nvidia.com/cuda-t
  • win10下安装CUDA和CUDNN版本对应

    千次阅读 2019-04-02 21:11:14
    版本对应 首先查看你的GPU支持的CUDA... 根据这个版本号,选择CUDA对应的tensorflow、python、cuDNN版本号 官网推荐的tensorflow、python、cuDNN、CUDA对应版本,这里是官网版本链接https://www.tensorflow.or...
  • Ubuntu16.04下安装多版本CUDA和cuDNN

    千次阅读 2020-04-17 11:23:28
    Ubuntu16.04下安装多版本CUDA和cuDNN前言(一)安装 CUDA 10.01、选择版本下载: CUDA Toolkit 10.0 (Sept 2018), Online Documentation2、在下载文件夹终端输入3、安装完成后可在 /usr/local/ 下看到安装好的cuda-10.0...
  • 选择CUDA和cuDNN版本 tensorflow对应的CUDA和cuDNN版本、cuda对应的显卡驱动版本如下 也可在NVIDIA控制面板-系统信息-组件中查看支持的CUDA版本: 下载CUDA:https://developer.nvidia.com/cuda-toolkit-archive ...
  • 文章目录tensorflow各个版本CUDA版本Cudnn的对应关系安装CUDA下载安装过程配置环境变量安装cuDNN下载安装过程 tensorflow各个版本CUDA版本Cudnn的对应关系 安装CUDA 下载 下载链接: ...
  • CUDA和cudnn的安装

    2021-04-16 20:56:20
    CUDA和cudnn的安装一、CUDA的安装1.1 查看显卡驱动版本。1.2 下载CUDA1.3 安装CUDA1.4 设置环境变量1.5测试CUDA是否装好二、cudnn的安装 在安装CUDA之前,需要查看自己电脑的GPU驱动的版本,因为CUDA版本对GPU驱动...
  • CUDA和cudnn安装

    2020-08-13 14:19:36
    CUDA 安装 CUDA选择的是10.2版本,本机系统是windows7,是什么系统要选对应系统的CUDA ...CUDA 10.2对应cudnn7.6.5版本,所以我选择7.6.5版本, 下载地址:https://developer.nvidia.com/rdp/cudnn-arch.
  • cuda和cudnn安装详解

    万次阅读 2018-12-14 19:15:53
    从事深度学习无论是tensorflow还是caffe都需要安装cuda和cudnn这2个显卡支持的库,经过一番倒腾,将经验分享给大家。 cuda的安装 1、下载 cuda首先去官网下载。在选择版本的时候很重要,默认下载是最新的,若想...
  • CUDA和CUDNN的安装

    2020-01-28 18:34:27
    CUDA和CUDNN的安装1. CUDA下载安装验证2. CUDNN下载安装验证 1. CUDA 下载 https://developer.nvidia.com/cuda-toolkit-archive 选择相应版本后 Linux --> x86_64 --> Ubuntu --> 18.04 --> runfile ...
  • CUDA选择要根据CUDNN的型号来选,即CUDA版本一定要和CUDNN版本对应,必须是CUDNN支持的版本,这里选择的是CUDA10.0和CUDNN7.6.3 CUDA下载链接:https://developer.nvidia.com/cuda-toolkit-archive CUDNN下载...
  • 安装CUDA和cuDNN

    2020-12-23 23:18:34
    CUDA安装完成后,打开powershell,执行nvcc -V ,成功的话会返回cuda版本号。 解压cuDNN压缩包,可以看到bin、include、lib目录 打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA 找到你安装的版本目录,...
  • 前言 本文章参考实验室师妹的文章Ubuntu14.04+CUDA8.0+Opencv3.1+Anaconda2+Caffe安装,最近安装最新版时候遇到不少坑,下面就介绍下如何去安装CUDA和cuDNN,个人认为本文提供的方法可以针对任意版本。我们的服务器...
  • 记录ubuntu18.04安装nvidia驱动、cuda和cudnn的过程。感谢前人的工作。 cuda的历史版本 cudnn的历史版本 一、安装驱动 这里我不是在英伟达官网下载的驱动,而是在linux中的软件与更新中安装的。在搜索框中搜索“驱动...
  • 记一下CUDA和cudnn

    2020-03-12 11:08:51
    注意显卡驱动和CUDA版本对应!!! CUDA官方说明 CUDA 10 下载链接 本次安装到默认路径 本次选择精简 检查有无这两项 验证安装是否成功 cuDNN cuDNN官方链接 需要先登录才能下载 显然点第一个CUDA 10.2 显然...
  • 则说明CUDA和CUDNN已经配置成功 方法二、nvcc -V 如果安装成功会输出CUDA的版本信息(V要大写),如果没有安装nvcc,那么可以选择安装或者采用一方法,采用服务器可能出现没有权限的情况,需要得到root权限安装nvcc ...
  • 在阅读完配置机器学习环境的首要知识之后就可以开始下载cuda和cudnn了 了解cuda、cudnn和tensorflow的版本要求,请转到博客:https://editor.csdn.net/md/?articleId=106911284 1,cuda下载 cuda官网下载:...
  • cuda和cudnn下载安装

    2020-07-04 08:51:09
    1.下载地址 1.1cuda下载地址 cuda各个版本 如何确定哪个版本号与自己主机适配? 打开nVidia控制面板 ...在帮助里查看系统信息 ...选择自定义——不勾选cuda中的vs集成——安装下一步 nvcc --version 2.2cudnn安装
  • cuda和cudnn安装与配置(Linux)

    千次阅读 2020-03-27 03:02:32
    # 其实根据cuda和cudnn官网提供的安装教程已经足够 # cuda-10.2为例,cuda-10.1和 10.2 版本均有可视化界面,之前的低版本内容都是一样的,仅是有框和无框的区别。 下载 cuda cudnn cuda 开始安装 接受安装协议 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 433
精华内容 173
关键字:

cuda和cudnn版本选择