Qui TensorFlow et CUDA version combinaisons sont compatibles?
J'ai remarqué que certains nouveaux TensorFlow versions sont incompatibles avec les anciennes CUDA et cuDNN versions. Un aperçu des versions compatibles ou même une liste de officiellement testé des combinaisons existent? Je ne peux pas le trouver dans le TensorFlow de la documentation.
- Toutes les exigences sont donnés avec les instructions pour l'installation, section intitulée "NVIDIA exigences pour exécuter TensorFlow avec support GPU".
- La question était de savoir portant sur la compatibilité et (officiellement) a testé des combinaisons qui, à mon avis, ne sont pas fournies dans les instructions pour l'installation. Aussi, je ne trouve pas la section que vous faites référence. Ces observations résultat dans l'ensemble de mon point de vue que l'information demandée est difficile à trouver et justifie donc de fournir un accès facile pour le lien affiché dans la réponse.
- Vous trouverez que le CUDA et cuDNN versions sur la page que vous mentionnez correspondre à l'une des instructions d'installation.
- Trouver les instructions d'installation, allez à la page ci-dessus, puis suivez le lien pour votre système d'exploitation.
- La section que vous faites allusion, me donne juste la version compatible pour CUDA et cuDNN --QUE-- j'ai trouvé sur mon choix TensorFlow version. Dans la plupart des cas (par exemple dans .edu environnements de laboratoire) où CUDA et cuDNN sont déjà installés mais FAT pas, la nécessité d'une vue d'ensemble devient apparente. Mon argument est qu'il est tout à fait caché et difficile à trouver (je n'ai pas d'apple à trouver par le biais de googler).
- Oh, je vois ce que tu veux dire-en essayant de voir ce qui tensorflow version correspond à un particulier CUDA/cuDNN combinaison. Vous pourriez parcourir TF notes de mise à jour mais la table vous lien est en effet un bon résumé.
Vous devez vous connecter pour publier un commentaire.
Généralement:
Vérifier la version CUDA:
et cuDNN version:
et installer une association comme indiqué ci-dessous en images 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:
Depuis 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
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
etcuda==9.0
, la compatibilité descuDNN
version est7.1.4
, qui peut être téléchargé à partir de ici après l'enregistrement.Vous pouvez vérifier votre version à l'aide de cuda
nvcc --version
cuDNN version à l'aide
cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2
tensorflow-gpu version à l'aide
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
= 2.0.0cuda
= 10.0cuDNN
= 7.6.0De travail : 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
Vous pouvez utiliser cette configuration pour cuda 10.0 (10.1 ne fonctionne pas comme de 3/18), cela fonctionne pour moi:
Installer la version tensorflow gpu:
J'avais installé CUDA 10.1 et CUDNN 7.6 par erreur. Vous pouvez utiliser les configurations suivantes (Cela a fonctionné pour moi - comme de 9/10). :
Mais j'ai dû créer des liens symboliques pour qu'il fonctionne comme un tensorflow à l'origine, fonctionne avec CUDA 10.
Et ajouter ce qui suit à mon ~/.bashrc -