哪些 TensorFlow 和 CUDA 版本组合兼容？

Question

我注意到一些较新的 TensorFlow 版本与较旧的 CUDA 和 cuDNN 版本不兼容。是否存在兼容版本的概述，甚至是否存在经过官方测试的组合列表？我在 TensorFlow 文档中找不到它。

Answer 1

TL;DR) 看这个 table: https://www.tensorflow.org/install/source#gpu

一般：

检查CUDA版本：

cat /usr/local/cuda/version.txt

和 cuDNN 版本：

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

并安装如下图所示的组合或 here。

以下图片和 link 提供了在 Linux、macOS 和 Windows 上正式 supported/tested CUDA 和 TensorFlow 组合的概述：

次要配置：

由于下面给定的规格在某些情况下可能过于宽泛，这里是一种有效的特定配置：

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

可以下载对应的cudnnhere.

测试构建配置

请参阅 https://www.tensorflow.org/install/source#gpu 获取最新的兼容性图表（对于官方 TF 车轮）。

（数据更新于 2020 年 5 月 20 日）

Linux显卡

Linux CPU

macOS GPU

macOS CPU

Windows显卡

Windows CPU

2020 年 12 月 5 日更新：有关更新信息，请参阅 Link for Linux and Link for Windows。

Answer 2

the tensorflow site中给出的兼容性table不包含cuda和cuDNN的特定次要版本。但是，如果不满足特定版本，尝试使用tensorflow时会出现错误。

对于tensorflow-gpu==1.12.0和cuda==9.0，兼容的cuDNN版本为7.1.4，注册后可从here下载。

您可以使用
检查您的cuda版本 nvcc --version

cuDNN 版本使用
cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

tensorflow-gpu 版本使用
pip freeze | grep tensorflow-gpu

更新： 由于 tensorflow 2.0 已经发布，我也会分享它兼容的 cuda 和 cuDNN 版本（for Ubuntu 18.04）。

tensorflow-gpu = 2.0.0
cuda = 10.0
cuDNN = 7.6.0

Answer 3

您可以将此配置用于 cuda 10.0（10.1 从 3 月 18 日开始无法使用），这对我来说是：

tensorflow>=1.12.0
tensorflow_gpu>=1.4

安装版本tensorflow gpu：

pip install tensorflow-gpu==1.4.0

Answer 4

我错误地安装了 CUDA 10.1 和 CUDNN 7.6。您可以使用以下配置（这对我有用 - 从 9/10 开始）。 :

Tensorflow-GPU == 1.14.0
CUDA 10.1
CUDNN 7.6
Ubuntu 18.04

但我必须为它创建符号链接才能工作，因为 tensorflow 最初与 CUDA 10 一起工作。

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

并将以下内容添加到我的 ~/.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/

Answer 5

如果您在 jupyter notebook 中编码，并且想检查 tf 使用的是哪个 cuda 版本，运行直接在 jupyter cell 中执行以下命令：

!conda list cudatoolkit

!conda list cudnn

并检查 gpu 是否对 tf 可见：

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

Answer 6

我在升级到 TF 2.0 后遇到了类似的问题。 TF 报告的 CUDA 版本与 Ubuntu 18.04 认为我安装的不匹配。它说我使用的是 CUDA 7.5.0，但 apt 认为我安装了正确的版本。

我最终要做的是在/usr/local中递归grep for CUDNN_MAJOR，我发现/usr/local/cuda-10.0/targets/x86_64-linux/include/cudnn.h确实将版本指定为7.5.0。
/usr/local/cuda-10.1 正确，/usr/local/cuda 指向 /usr/local/cuda-10.1，所以对我来说，为什么 TF 正在查看 /usr/local/cuda-10.0.

一直是（现在仍然是）一个谜

无论如何，我只是将 /usr/local/cuda-10.0 移动到 /usr/local/old-cuda-10.0，这样 TF 就再也找不到它了，然后一切都很顺利。

这一切都非常令人沮丧，我仍然觉得我只是做了一个随机的黑客攻击。但它奏效了 :) 也许这会对遇到类似问题的人有所帮助。

Answer 7

感谢第一个回答。

关于向后兼容性的一些事情。

我可以使用 cuda-11.1 和 cudnn 8.0.5 成功安装 tensorflow-2.4.0。

哪些 TensorFlow 和 CUDA 版本组合兼容？

Which TensorFlow and CUDA version combinations are compatible?

tensorflow

cuda

version

compatibility

cudnn

一般：