支持Nvidia CUDA Toolkit 9.2

Question

支持Nvidia CUDA Toolkit 9.2

7

Tensorflow-gpu为什么要绑定到特定版本的Nvidia CUDA Toolkit上？当前版本似乎只支持9.0，而不支持任何更高版本。例如，我安装了最新的Toolkit 9.2并将其添加到路径中，但Tensorflow-gpu无法使用它，并抱怨它正在寻找9.0版本。

我可以理解不支持主要版本更新，但是连小版本更新也不支持吗？

- cjibo

3个回答

3

当你下载TF时，你会下载一个预编译的二进制文件。在构建过程中，TF被硬链接到特定版本的Cuda中，因此你不能使用不同版本的cuda来运行它。

如果你想使用新版本（或者有时是旧版本）的cuda，你需要从源代码安装TF（在这里查看如何安装）。或者，如果你真的不想自己构建，可以检查这些存储库，其中有其他发布特定TF二进制文件的人，以下是一些示例：

为了方便起见，我在此添加了每个预构建Tensorflow版本所需的CUDA + cuDNN版本：

（我只写了我用过的TF版本，也许旧的TF版本也使用旧版的CUDA）

在TF v1.5之前，需要cuda 8.0和cuDNN 6
从1.5开始 - 预构建二进制文件现在建立在CUDA 9和cuDNN 7上。

- Kings85

如果有人能为TF团队预构建的原始版本中的所有TF-CUDA-CuDNN组合添加（或编辑帖子）的话，这将非常有益。（除了帖子中提到的那个以外） - Kings85

我刚刚安装了Ubuntu 18.04 LTS。NVDA网站似乎没有适用于该版本的CUDA 9.2版本。下载适用于17.10版本的安装程序版本是否可以？ - Evan Zamir

1

问题并不在于NVIDIA驱动程序，而是Tensorflow本身。我花了一个小时试图让它工作，最终意识到如果你从googleapi.com下载预编译的二进制文件，它将硬编码以加载libcudart.so.9.0！如果你同时安装了cuda 9.0和9.2，则tensorflow将正常工作（但实际上是从9.0加载动态库）。（顺便说一句，我使用anaconda安装了TF。）

更干净的方法是从源代码构建TF。这并不太复杂。

- theCat

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- P-Gn · Accepted Answer

这是一个好问题。根据NVidia的网站，

CUDA驱动程序向后兼容，这意味着针对特定版本CUDA编译的应用程序将继续在随后（更晚）的驱动程序发布版上工作。

因此，从技术上讲，支持后续迭代的CUDA驱动程序不应该是一个问题。实际上，您会在网络上找到使用较新版本CUDA和CuDNN的非官方预编译二进制文件[1], [2]。更容易安装的是，从conda安装的tensorflow-gpu软件包目前捆绑了CUDA 9.2。

当被问及此话题时，一位开发者回答道，

答案是驱动程序问题，这些问题是由9.1所需的驱动程序引起的，我们不需要太多新功能在cuda 9.1中，还有一些较小的问题。因此，原因看起来相当模糊 - 他可能意味着CUDA 9.1（和9.2）需要的显卡驱动程序可能有点太新了，不太方便，但这只是一个不成熟的猜测。如果NVidia关于二进制兼容性的说法是正确的，您可以尝试将CUDA 9.2库重命名或链接为CUDA 9.0库，那么它应该可以工作。但在尝试之前，我会保存所有的工作......而且人们甚至重新编译tensorflow以支持更高版本的CUDA，这可能是如何结束的提示。