导入错误：libcudnn.so.7：无法打开共享对象文件：没有这样的文件或目录

Question

我Tensorflow 1.6.0在 Python 3.6.4 环境中安装了带有 anaconda 的 GPU 版本。

当我这样做时import tensorflow as tf，我收到以下错误：

ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory

不同的版本：

• cudnn : 7.1.1
• cuda : 9.0.176
• tensorflow : 1.6.0
• Ubuntu : 16.04

我知道这一点，但它没有解决我的问题。

Answer 1

接受的答案是错误的（安装nvidia-cuda-toolkit）。通过安装该工具包，您基本上是在 nvidia 指南中已安装的 cuda 之上安装了第二个 CUDA。

问题原来是符号链接的问题。灵感来自这个话题http://queirozf.com/entries/installing-cuda-tk-and-tensorflow-on-a-clean-ubuntu-16-04-install 但实际分辨率不同

所以在某一时刻 CuDNN安装nvidia教程的会要求你这样做：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

这种方法的问题在于，使用过滤器复制文件libcudnn*会破坏复制文件的符号链接。相反，我建议运行以下命令，但它仍然会破坏链接：

sudo cp --preserve=links cuda/lib64/libcudnn* /usr/local/cuda/lib64

您可以通过运行来验证链接 ls -lha libcudnn*在/usr/local/cuda/lib64文件夹中。如果你碰巧没有看到这样的图片：

lrwxrwxrwx 1 root root 13 May 2 20:02 libcudnn.so -> libcudnn.so.7

lrwxrwxrwx 1 root root 17 May 2 20:02 libcudnn.so.7 -> libcudnn.so.7.6.5

-rwxr-xr-x 1 根根 409M 5 月 2 日 20:02 libcudnn.so.7.6.5

-rw-r--r-- 1 根 386M 5 月 2 日 20:02 libcudnn_static.a

然后你才发现问题。实际的解决方案涉及执行以下操作：

sudo rm /usr/local/cuda/lib64/libcudnn.so
sudo rm /usr/local/cuda/lib64/libcudnn.so.7
cd /usr/local/cuda/lib64/
sudo ln -s libcudnn.so.7.6.5 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so

删除旧的“链接”并创建新的链接。再次验证链接ls -lha libcudnn*。之后在详细模式下运行以下命令：

sudo ldconfig -v

检查日志。我不知道它到底做了什么，但事实证明这是非常重要的事情。此外，如果日志说符号链接已损坏或类似这些行的内容，则tensorflow则将继续显示主题中提到的错误。

奖金！确保您将以下路径附加为最后几行nano ~/.bashrc

export PATH=/usr/local/cuda/bin:/opt/nvidia/nsight-compute/2019.4.0${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDADIR=/usr/local/cuda${CUDADIR:+:${CUDADIR}}
export CUDA_HOME=/usr/local/cuda

然后运行命令 source ~/.bashrc

以上所有步骤都假设您没有使用nvidia-cuda-toolkit，而是使用了nvidiacuda 存储库。

此外，在安装 CUDA 时，请确保您没有针对10.2. 在编写 TF 的那一刻，支持版本高达Cuda 10.1，因此以下是安装所需版本的正确方法：

sudo apt-cache policy cuda
sudo apt-get install cuda=10.1.243-1

验证者：

nvcc --version
nvidia-smi

编辑：我发现您在运行ldconfig命令后应该避免看到的错误：

/usr/local/cuda-10.1/targets/x86_64-linux/lib:

...

libnppist.so.10 -> libnppist.so.10.2.0.243

libcuinj64.so.10.1 -> libcuinj64.so.10.1.243

> /sbin/ldconfig.real: /usr/local/cuda-10.1/targets/x86_64-linux/lib /libcudnn.so.7 不是符号链接

libcudnn.so.7 -> libcudnn.so.7.6.5

libnppc.so.10 -> libnppc.so.10.2.0.243

libnppicom.so.10 -> libnppicom.so.10.2.0.243

libnvgraph.so.10 -> libnvgraph.so.10.1.243

/usr/lib/x86_64-linux-gnu/libfakeroot：

...

如果您看到它，那么仍然存在配置错误。

Answer 2

我安装了这个nvidia-cuda-toolkit包：

$ sudo apt install nvidia-cuda-toolkit

它起作用了。

我在tensorflow网站和nvidia安装页面上都没有找到解决方案。我在寻找使用命令行获取cuda版本的方法时幸运地找到了它：How to get the cuda version?