标签: cudnn

我看到许多火炬代码使用:

require cudnn
require cunn
require cutorch

这些包用于什么？他们与Cuda的关系是什么？

Could not load library cudnn_cnn_infer64_8.dll. Error code 126
Please make sure cudnn_cnn_infer64_8.dll is in your library path!

当我尝试将 TensorFlow 与 GPU 结合使用时，我不断收到此错误，我已根据说明多次安装了 CUDA、cuDNN 和所有驱动程序。但似乎没有任何作用。如果我使用笔记本，那么 TensorFlow 使用 CPU，通过 VS code 笔记本扩展，我可以使用 GPU，但当我尝试将其作为普通 python 文件运行时，它会在第一个纪元停止会话。出现上述错误。

完整的终端输出：

Found 14630 validated image filenames belonging to 3 classes.
Found 1500 validated image filenames belonging to 3 classes.
2021-11-08 11:03:58.000354: I tensorflow/core/platform/cpu_feature_guard.cc:151] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX AVX2
To …

我重新安装了Anaconda2.当'python -c'导入tensorflow''时出现以下错误

ImportError:/home/jj/anaconda2/bin/../lib/libstdc++.so.6:找不到版本`CXXABI_1.3.8'(/home/jj/anaconda2/lib/python2.7/site-packages/需要tensorflow /蟒/ _pywrap_tensorflow.so)

环境

• CUDA8.0
• cuDNN 5.1
• gcc 5.4.1
• tensorflow r0.10
• Anaconda2:4.2

以下是在bashrc文件中

• export PATH ="/ home/jj/anaconda2/bin:$ PATH"
• export CUDA_HOME =/usr/local/cuda-8.0
• export PATH =/usr/local/cuda-8.0/bin $ {PATH:+:$ {PATH}}
• export LD_LIBRARY_PATH =/usr/local/cuda-8.0/lib64 $ {LD_LIBRARY_PATH:+:$ {LD_LIBRARY_PATH}}

我正在尝试加载NSynth权重,我正在使用tf版本1.7.0

from magenta.models.nsynth import utils
from magenta.models.nsynth.wavenet import fastgen

def wavenet_encode(file_path):

 # Load the model weights.
 checkpoint_path = './wavenet-ckpt/model.ckpt-200000'

 # Load and downsample the audio.
 neural_sample_rate = 16000
 audio = utils.load_audio(file_path, 
                          sample_length=400000, 
                          sr=neural_sample_rate)

 encoding = fastgen.encode(audio, checkpoint_path, len(audio))

 # Reshape to a single sound.
 return encoding.reshape((-1, 16))

# An array of n * 16 frames. 
wavenet_z_data = wavenet_encode(file_path)

我收到以下错误:

tensorflow/stream_executor/cuda/cuda_dnn.cc:396]加载的运行时CuDNN库:7103(兼容版本7100),但源代码是用7005编译的(兼容版本7000).如果使用二进制安装,请升级您的CuDNN库以匹配.如果从源构建,请确保在运行时加载的库与编译配置期间指定的兼容版本匹配.

我应该怎么做,我应该安装哪个版本的tf,以及我需要哪个CUDA版本？

我最近使用pip安装了tensorflow-gpu.但是当我导入它时,它会给出以下错误:

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

我已经完成了与此问题相关的stackoverflow的所有答案,但它们都没有为我工作.

libcudnn.so.7存在于以下目录/ usr/local/cuda/lib64和/usr/local/cuda-9.0/lib64中.

另外,我在.bashrc文件中添加了以下路径:

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64\${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64\${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

请帮我解决这个问题

我在配备GeForce GT 750M的Macbook Pro上安装了tensorflow 1.0.1 GPU版本.还安装了CUDA 8.0.71和cuDNN 5.1.我运行的tf代码可以很好地处理非CPU张量流,但是在GPU版本上,我得到了这个错误(曾经有一段时间它也有效):

name: GeForce GT 750M
major: 3 minor: 0 memoryClockRate (GHz) 0.9255
pciBusID 0000:01:00.0
Total memory: 2.00GiB
Free memory: 67.48MiB
I tensorflow/core/common_runtime/gpu/gpu_device.cc:906] DMA: 0 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:916] 0:   Y 
I tensorflow/core/common_runtime/gpu/gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GT 750M, pci bus id: 0000:01:00.0)
E tensorflow/stream_executor/cuda/cuda_driver.cc:1002] failed to allocate 67.48M (70754304 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY
Training...

E tensorflow/stream_executor/cuda/cuda_dnn.cc:397] could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR
E tensorflow/stream_executor/cuda/cuda_dnn.cc:364] could not destroy cudnn handle: CUDNN_STATUS_BAD_PARAM …

在Windows上,如何验证安装的CuDNN的版本号？

当我搜索Linux机器的答案时,我发现了很多结果.似乎没有一种明确的方法可以找出为Windows安装的版本.

我尝试使用Python 3.9.16在 Anaconda 中安装 TensorFlow v2.12 ，并使用pip v23.0.1在 Windows 10操作系统中安装 TensorFlow v2.12 。我的 GPU (RTX4080) 需要 Tensforflow v2.12，并且只有这个版本适用于我的 GPU，因为支持 Cuda Toolkit v11.8，这是支持 Ada Lovelace GPU 的最旧版本。

Looking in indexes: https://pypi.org/simple, https://pypi.ngc.nvidia.com
ERROR: Could not find a version …