Quelles combinaisons de versions TensorFlow et CUDA sont compatibles?

Question

J'ai remarqué que certaines versions plus récentes de TensorFlow sont incompatibles avec les anciennes versions de CUDA et cuDNN. Existe-t-il un aperçu des versions compatibles ou même une liste des combinaisons officiellement testées? Je ne le trouve pas dans la documentation TensorFlow.

Answer 1

En général:

Vérifiez la version CUDA:

cat /usr/local/cuda/version.txt

et cuDNN version:

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

et installer une association comme indiqué ci-dessous dans l'image ou ici.

Les images ci-dessous et le lien de fournir une vue d'ensemble de la officiellement pris en charge/testé les combinaisons de CUDA et TensorFlow sur Linux, macOS et Windows:

Mineur configurations:

Puisque les caractéristiques ci-dessous, dans certains cas, peut-être trop large, voici une configuration spécifique qui fonctionne:

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

Le correspondant cudnn peut être téléchargé ici.

(chiffres mis à jour Jun 29, 2019)

Linux GPU

Linux

macOS GPU

macOS

(figure mis à jour le 31 Mai 2018)

Windows

Answer 2

Le tableau de compatibilité donné dans le tensorflow site ne contient pas de versions mineures pour cuda et cuDNN. Toutefois, si les versions ne sont pas remplies, il y aura une erreur lorsque vous essayez d'utiliser tensorflow.

Pour tensorflow-gpu==1.12.0 et cuda==9.0, la compatibilité cuDNN version 7.1.4, qui peut être téléchargé à partir d' ici après l'enregistrement.

Vous pouvez vérifier votre version à l'aide de cuda
nvcc --version

cuDNN version à l'aide de
cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

tensorflow-gpu version à l'aide de
pip freeze | grep tensorflow-gpu

Mise à JOUR: Depuis tensorflow 2.0, a été libéré, je vais partager le compatible cuda et cuDNN versions pour elle aussi (pour Ubuntu 18.04).

• tensorflow-gpu = 2.0.0
• cuda = 10.0
• cuDNN = 7.6.0

Answer 3

Fonctionne: tensorflow 1.13.1, CUDA 10, CUDNN 7.4.2, python 3.6 (ne fonctionne pas bien avec 3.7 .. 3.7 a de nombreux bugs) Pour Windows 10

Answer 4

Vous pouvez utiliser cette configuration pour cuda 10.0 (10.1 ne fonctionne pas à partir du 3/18), cela fonctionne pour moi:

• tensorflow> = 1.12.0
• tensorflow_gpu> = 1,4

Installez la version tensorflow gpu:

 pip install tensorflow-gpu==1.4.0
 

Answer 5

J'avais installé CUDA 10.1 et CUDNN 7.6 par erreur. Vous pouvez utiliser les configurations suivantes (Cela a fonctionné pour moi - à partir du 9/10). :

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

Mais j'ai dû créer des liens symboliques pour que cela fonctionne car tensorflow fonctionne à l'origine avec 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
 

Et ajoutez ce qui suit à mon ~ / .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/