标签: cudnn

我已经安装了CUDA 8.0并将cuDNN文件复制到目录中,如安装CUDA(Linux上的GPU)所示.

我运行mnist_cnn.py并获得以下信息:

Using TensorFlow backend.
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:105] Couldn't open CUDA library libcudnn.so. LD_LIBRARY_PATH: 
I tensorflow/stream_executor/cuda/cuda_dnn.cc:3448] Unable to load cuDNN DSO
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:111] successfully opened CUDA library libcurand.so locally
X_train shape: (60000, 28, 28, 1)
60000 train samples

最后

Traceback (most recent call last):
  File "mnist_cnn.py", line 65, in <module>
    model.add(Dropout(0.25))
  File "/home/nsknsl/.local/lib/python3.5/site-packages/keras/models.py", line …

我使用具有 CUDA 7.5 的服务器。但是服务器不涉及CUDNN。

是否可以安装 CUDNN，并设置所有与 CUDA 的链接，无需 root 访问，以便在 ubuntu 14.04 上使用所有应用程序？

我已经在这个页面上实现了解决方案为 Theano 安装 cuDNN without root access，但它对我不起作用。我已经通过构建 caffe 进行了验证；http://caffe.berkeleyvision.org/，我已经使用 cmake 进行了检查。我创建了一个目录 caffe/build 并从那里运行 cmake ..。如果配置正确，我会看到以下几行：

-- Found cuDNN (include: /usr/local/cuda-7.0/include, library: /usr/local/cuda-7.0/lib64/libcudnn.so)

-- NVIDIA CUDA:
--   Target GPU(s)     :   Auto
--   GPU arch(s)       :   sm_30
--   cuDNN             :   Yes

但我看到

--   cuDNN             :   Not found

PS我还需要运行：https : //github.com/rsennrich/nematus

在本地安装 CUDNN 并与服务器中的全局 CUDA 链接的最佳方法是什么？

我使用本地和后端张量流创建了完全相同的网络，但是在使用多个不同参数进行了多个小时的测试后，仍然无法弄清为什么keras优于本地张量流并产生更好（略有改善）的结果。

Keras是否实现不同的权重初始化方法？或执行除tf.train.inverse_time_decay以外的其他权重衰减方法？

ps的分数差总是像

Keras with Tensorflow: ~0.9850 - 0.9885 - ~45 sec. avg. training time for 1 epoch
Tensorflow Native ~0.9780 - 0.9830 - ~23 sec.

我的环境是：

Python 3.5.2 -Anaconda / Windows 10
CUDA：8.0与cuDNN 5.1 Keras
1.2.1
Tensorflow 0.12.1
Nvidia Geforce GTX 860M

和keras.json文件：

{
    "image_dim_ordering": "tf", 
    "epsilon": 1e-07, 
    "floatx": "float32", 
    "backend": "tensorflow"
}

您还可以复制并执行以下两个文件

https://github.com/emrahyigit/deep/blob/master/keras_cnn_mnist.py
https://github.com/emrahyigit/deep/blob/master/tf_cnn_mnist.py
https://github.com/emrahyigit/deep/blob/master/mnist.py

我想开始使用tensorflow-gpu，我查了一些东西，发现我需要确保我同时拥有CUDA和CUDNN。所以，我打开命令提示符并运行命令nvidia-smi来检查我的CUDA版本：

C:\Program Files\NVIDIA Corporation\NVSMI>nvidia-smi
Tue Jun 02 14:13:03 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 445.87       Driver Version: 445.87       CUDA Version: 11.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 1050   WDDM  | 00000000:01:00.0 Off |                  N/A |
| N/A   40C    P8    N/A /  N/A |     77MiB /  4096MiB |      0% …

我试图使用CuDNNLSTM Keras细胞，以提高训练速度的回归神经网络（DOC 这里）。

当我跑步时：

from keras.layers import Bidirectional, CuDNNLSTM

我收到此错误：

ImportError：无法导入名称“ CuDNNLSTM”

我的配置是Keras 2.0.8，python 3.5，tensorflow-gpu 1.4.0（均由Anaconda管理），并且我同时安装了CUDA 8.0和cudnn 6.0，应该可以与tensorflow的nvidia依赖关系（在此处）配合使用。我的代码设置使Keras有效地使用了tensorflow后端，除以CuDNN *开头的层以外的其他所有层都可以正常工作。

有人知道此导入错误的来源吗？

    import tensorflow as tf
Traceback (most recent call last):
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "/usr/lib/python3.5/imp.py", line 242, in load_module
    return load_dynamic(name, filename, file)
  File "/usr/lib/python3.5/imp.py", line 342, in load_dynamic
    return _load(spec)
ImportError: libnvidia-fatbinaryloader.so.384.90: cannot open shared object file: No such file or directory

During handling of the above exception, another exception occurred:

Traceback …

当前，我需要在存在较旧版本CUDA和cuDNN的计算机上安装gpu版本的tensorflow，我的问题是，如何在不重新安装CUDA和cuDNN的情况下完成它，因为其他软件包（请参阅pytorch）需要它。

使用Anaconda在Windows上安装了一个tensorflow-gpu版本，如何检查它的CUDA和CUDNN版本？谢谢。

我正在尝试从此处从规范 ubuntu 14.04、cuda 8.0、cudnn 6.0 (devel) 的 Dockerfile 构建镜像。

我将 dockerfile 保存在本地系统上当我使用 docker build PATH 命令时，其中

路径 = /home/anil/桌面/容器

我收到以下错误：

Sending build context to Docker daemon   2.56kB
Step 1/7 : ARG IMAGE_NAME
Step 2/7 : FROM ${IMAGE_NAME}:8.0-devel-ubuntu14.04
invalid reference format

我使用的是 Docker 版本 18.03.1-ce，内部版本 9ee9f40

请帮我。谢谢

我已经在Windows 10中安装了WSL2 (Ubuntu 22.04 Kernel)、Tensorflow 2.12、Cuda Toolkit 11.8.0和cuDNN 8.6.0.163在 Miniconda 环境 (Python 3.9.16) 中，通常按照官方的tensorflow.org 推荐进行安装。我应该强调的是，我想使用 Tensorflow 2.12，因为使用相应的 Cuda Toolkit 11.8.0，它与 Ada Lovelace GPU（我的情况是 RTX4080）兼容。

当我去训练我的模型时，它给出了以下错误：

"Loaded cuDNN version 8600 Could not load library libcudnn_cnn_infer.so.8. Error: libcuda.so : cannot open shared object file: No such file or directory".

有没有什么想法出了问题*？

路径配置如下：

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

使用以下命令搜索引用我的错误的文件：

• ldconfig -p | grep libcudnn_cnn …