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.

InformationsquelleAutor Fábio | 2018-05-31
  1. 142

    Généralement:

    Vérifier la version CUDA:

    cat /usr/local/cuda/version.txt

    et cuDNN version:

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

    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

    Qui TensorFlow et CUDA version combinaisons sont compatibles?

    Linux

    Qui TensorFlow et CUDA version combinaisons sont compatibles?

    macOS GPU

    Qui TensorFlow et CUDA version combinaisons sont compatibles?

    macOS

    Qui TensorFlow et CUDA version combinaisons sont compatibles?

    (figure mis à jour le 31 Mai 2018)

    Windows

    Qui TensorFlow et CUDA version combinaisons sont compatibles?

    • J'ai remarqué cependant que TensorFlow versions < 1.0 ont été exclus de la vue d'ensemble. Est-ce que qqn a une idée de où trouver la même liste pour les anciennes versions?
    • On dirait qu'ils ne spécifiez pas de versions mineures pour cuda et cudnn,
    • Nous pouvons maintenir une liste de mineur configurations ici. N'hésitez pas à modifier le post et ajouter les configurations que vous avez testé.
    • Mise à JOUR: Maintenant tensorflow-gpu==1.12.0 nécessite cuDNN version 7.2.1 ou plus sur Windows.
    • Mise à JOUR: testé TF-GPU 1.12, Windows 10, CUDA 9.0, CuDNN 7.3.1, Python 3.6.6
    • Il semble que le lien sur "Le correspondant cudnn peut être téléchargé ici." est obsolète.
    • Ne pas mettre à jour les chiffres, lien vers la documentation. Le lien change moins souvent que les tables

    InformationsquelleAutor Fábio
  2. 17

    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 et cuda==9.0, la compatibilité des cuDNN version est 7.1.4, 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 = 2.0.0
    • cuda = 10.0
    • cuDNN = 7.6.0
    • Votre réponse a été très utile. Comme vous l'avez dit la documentation n'était pas très clair pour appeler les versions mineures. J'ai suivi votre configuration et cela a fonctionné !
    InformationsquelleAutor Atul Balaji
  3. 5

    De 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

    • Qu'est-ce que votre système d'exploitation?
    InformationsquelleAutor Ketki Shroff
  4. 2

    Vous pouvez utiliser cette configuration pour cuda 10.0 (10.1 ne fonctionne pas comme de 3/18), cela fonctionne pour moi:

    • tensorflow>=1.12.0
    • tensorflow_gpu>=1.4

    Installer la version tensorflow gpu:

    pip install tensorflow-gpu==1.4.0
    InformationsquelleAutor ED-DOUGHMI younes
  5. 2

    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). :

    • Tensorflow-gpu == 1.14.0
    • CUDA 10.1
    • CUDNN 7.6
    • Ubuntu 18.04

    Mais j'ai dû créer des liens symboliques pour qu'il fonctionne comme un tensorflow à l'origine, fonctionne avec CUDA 10. 

    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

    Et ajouter ce qui suit à mon ~/.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/
    InformationsquelleAutor yatish h r