本文目录
- 环境变量被覆盖后重新配置Tensorflow-gpu
- 如何修改tensorflow的cuda版本
- 求助tensorflow下遇到cuda compute capability问题
- 如何升级tensorflow版本
- 3070ti 用什么版本的cuda，cudnn，以及tensorflow-gpu可以适配
- tensorflow为什么要安装cuda
环境变量被覆盖后重新配置Tensorflow-gpu
安装CTEX时自动把系统环境变量覆盖了。之后import tensorflow 会报错: ImportError: Could not find ’cudart64_90.dll’. TensorFlowrequires that this DLL be installed in a directory that is named in your %PATH%environment variable. 重启电脑让环境变量生效，确保cudart64_90.dll在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin中，随后即可正常使用。 以下是踩坑过程 1.首先按照百度配置path 之后检查’cudart64_90.dll的确在路径中，并且tensorflow-gpu，CUDA，cudnn版本匹配。 无效。 2.随后将cudart64_90.dll拖入拖出路径。 无效。 3.重装tensorflow-gpu，CUDA，cudnn。 无效。 按照顶部结论方法，有效。
如何修改tensorflow的cuda版本
1、安装Cuda SDK官网下载和安装Cuda Toolkit，选择合适的系统版本下载，本文为介绍基于ubuntu系统的版本，个人建议下载runfile(local)的Installer Type。关于显卡驱动的安装可以参见（链接-安装最新Nvidia显卡驱动 ） 如果下载文件runfile(local)，大小约为1G+，文件名称格式为‘cuda_x.x.xx_linux.run’（其中x为数字，表示版本），按照下载页面安装指导安装即可。#shell sudo Run `sudo sh cuda_x.x.xx_linux.run`1212安装过程中会设置安装路径，如果是7.5版本，那么默认安装在路径‘/usr/local/cuda-7.5’,并在‘/usr/local/cuda’做一份映射，此项为可选项目，如果不想覆盖前版，可以不做映射。安装完成需要添加路径，特别是在安装不同版本的cuda共存情况下。需要在profile或.bashrc中添加一下内容：#添加cuda路径PATH=$PATH:/usr/local/cuda-7.5 (CUDA安装路径)#添加lib路径LD_LIBRARY_PATH=$LA_LIBRARY_PATH:/usr/local/cuda-7.5/lib64#-----------##如果做了映射，也可以使用以下内容PATH=$PATH:/usr/local/cuda#添加lib路径LD_LIBRARY_PATH=$LA_LIBRARY_PATH:/usr/local/cuda/lib641234567891234567892、安装cuDNN官网下载和安装cuDNN，择合适的系统版本下载，需要注意的是，版本的选择与已经安装的Cuda Toolkit版本有关，否则会报错。#版本不对可能引发的错误提示E tensorflow/stream_executor/cuda/cuda_dnn.cc:286] Loaded cudnn library: 5005 but source was compiled against 4007. If using a binary install, upgrade your cudnn library to match. If building from sources, make sure the library loaded matches the version you specified during compile configuration.1212下载的文件名为，‘cudnn-#.#-Linux-x64-v*.tgz’，大约80M左右，其中#.#为版本号–如‘8.0’，v*为版本–如‘v5’。tar xvzf cudnn-7.0-linux-x64-v4.tgz#注意cuda路径，与之前安装路径一致sudo cp cudnn-7.0-linux-x64-v4/cudnn.h /usr/local/cuda/includesudo cp cudnn-7.0-linux-x64-v4/libcudnn* /usr/local/cuda/lib64sudo chmod a+r /usr/local/cuda/lib64/libcudnn*1234512345cuDNN安装完成3、配置tensorflow如果tensorflow是使用whl文件安装，需要下载源码进行配置，官网推荐下载地址Tensorflow 或者使用命令下载
求助tensorflow下遇到cuda compute capability问题
首先需要看你的PC配置是否够，TF的GPU模式只支持N卡，然后计算能力高于3.0，具体可以查：安装教程可以参考：Ubuntu16.04上gtx1080的cuda安装July 17 2016目前tensorflow是一个非常流行的深度学习计算框架，常规硬件及系统的安装方法官方的doc已经说的很清楚了，但是 因为系统是ubuntu16.04,显卡是GTX1080,所以不可避免的要折腾起来。在上一篇已经在16.04上安装好了驱动。接下来其实 重点安装的是CUDA和cuDNN.首先说为什么要安装CUDA和cuDNN，关于采用GPU计算比CPU有速度有多少提升的benchmark找找就有，这次重点是怎么让tensorflow充分用的 上GTX1080能力。具体的就是如何把支持GTX1080的CUDA和cuDNN装起来，然后让tensorflow认识我们新装的CUDA和cuDNN。首先总体说下安装步骤：1 首先要注册NVIDIA developer的帐号，分别下载CUDA和cuDNN2 确认准备gcc版本，安装依赖库sudo apt-get install freegl3 安装CUDA4 解压cuDNN5 clone tensorflow源码，configure配置6 编译安装7 最后一哆嗦,测试！准备工作在正式开始前，需要做几个准备工作，主要是大概先看下文档cuda FAQtensorflow 的安装文档cuda-gpu的支持列表/计算能力/FAQcudnn 5.1有多牛cuda tookit下载页面CUDA_Installation_Guide_Linux.pdfcudnn User Guide文档看过之后接下来就是实际动手的过程：1 注册NVIDIA developer的帐号，分别下载CUDA和cuDNN1.1 下载CUDA 打开cuda toolkit下载页面,GTX1080 要用的是CUDA 8。先点击JOIN,注册帐号。 完了后，再回到cuda toolkit下载页面。选择 linux, x86-64, ubuntu, 16.04, runfile(local)1.2 下载cuDNN 进入cudnn的下载页,一堆调查,日志写时下载的是,点开选linux,不出意外的话这个就是下载地址.2 确认GCC版本，安装依赖库确认本机gcc版本,16.04默认的是gcc 5,这里安装需要的最高是gcc 4.9。接下来就安装配置gcc 4.9.2.1 安装gcc 4.9，并修改系统默认为4.9sudo apt-get install gcc-4.9 gcc-4.9 g++-4.9 g++-4.9gcc --versionsudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 10sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30sudo update-alternatives --set cc /usr/bin/gccsudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30sudo update-alternatives --set c++ /usr/bin/g++gcc --version2.2 一个小依赖sudo apt-get install freegl3 安装CUDA需要注意的是这个地方有个选择安装低版本驱动的地方，选n 大致的安装流程如下：3.1 安装CUDAchmod +x /cuda_8.0.27_linux.run./cuda_8.0.27_linux.run....Do you accept the previously read EULA?accept/decline/quit: acceptInstall NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?(y)es/(n)o/(q)uit: nInstall the CUDA 8.0 Toolkit?(y)es/(n)o/(q)uit: yEnter Toolkit Location: Do you want to install a symbolic link at /usr/local/cuda?(y)es/(n)o/(q)uit: yInstall the CUDA 8.0 Samples?(y)es/(n)o/(q)uit: yEnter CUDA Samples Location: /home/h/Documents/cuda_samples....3.2 写入环境变量vim ~/.bashrc#添加下面变量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}}3.3 安装好后简单验证a. 进入刚配置时指定的cuda sample所在文件夹,NVIDIA_CUDA-8.0_Samples/b. cd 0_Simple/asyncAPI;sudo makec. NVIDIA_CUDA-8.0_Samples/0_Simple/asyncAPI$ ./asyncAPI time spent executing by the GPU: 10.94 time spent by CPU in CUDA calls: 0.19 CPU executed 50591 iterations while waiting for GPU to finish4 安装cuDNNh@h:~/Downloads$ tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz cuda/include/cudnn.hcuda/lib64/libcudnn.socuda/lib64/libcudnn.so.5cuda/lib64/libcudnn.so.5.0.5cuda/lib64/libcudnn_static.ah@h:~/Downloads$ sudo cp -R cuda/lib64 /usr/local/cuda/lib64h@h:~/Downloads$ sudo mkdir -p /usr/local/cuda/includeh@h:~/Downloads/cuda$ sudo cp include/cudnn.h /usr/local/cuda/include/sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*5 clone, configure tensorflow5.1 clone源码$ git clone 5.2 configure配置整个配置流程应该跟下面的基本一样的h@h:~/Downloads/tensorflow$ cd ./tensorflow/h@h:~/Downloads/tensorflow$ ./configurePlease specify the location of python. : ***Do you wish to build TensorFlow with Google Cloud Platform support? N***No Google Cloud Platform support will be enabled for TensorFlow***Do you wish to build TensorFlow with GPU support? y***GPU support will be enabled for TensorFlowPlease specify which gcc nvcc should use as the host compiler. : **Please specify the location where CUDA toolkit is installed. Refer to README.md for more details. : /usr/local/cuda-8.0 ****Please specify the Cudnn version you want to use. : 5.0.5****Please specify the location where cuDNN 5.0.5 library is installed. Refer to README.md for more details. : /usr/local/cuda**Please specify a list of comma-separated Cuda compute capabilities you want to build with.You can find the compute capability of your device at: **Please note that each additional compute capability significantly increases your build time and binary size.: 6.1**Setting up Cuda includeSetting up Cuda lib64Setting up Cuda binSetting up Cuda nvvmSetting up CUPTI includeSetting up CUPTI lib64Configuration finished6 编译安装6.1 编译工具Bazel安装配置 先看一眼文档 然后就执行下面的流程:#安装java 1.8sudo add-apt-repository ppa:webupd8team/javasudo apt-get updatesudo apt-get install oracle-java8-installer#安装好后车参考下java -version#添加源echo "deb stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.listcurl | sudo apt-key add -#下载sudo apt-get update && sudo apt-get install bazel#升级sudo apt-get upgrade bazel6.2 编译tensorflow的pip版本并安装$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package# To build with GPU support:$ bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg# The name of the .whl file will depend on your platform.#注意编译完成后生成的文件名字和官方doc里面的是不一定一致的$ sudo pip install /tmp/tensorflow_pkg/tensorflow-0.*-linux_x86_64.whli6700k 32g编译时间:只编译代码不带pip INFO: Elapsed time: 967.271s, Critical Path: 538.38sbazel-bin/tensorflow/tools/pip_package/build_pip_package INFO: Elapsed time: 65.183s, Critical Path: 48.587 最后测试前面都整完了，现在该测试了，注意前面有两个动态链接库的位置，cuDNN在/usr/local/cuda/lib64， 而cuda在/usr/local/cuda-8.0/lib64，所以这个时候的bashrc应该这么写：export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}写完后,source ~/.bashrccd tensorflow/tensorflow/models/image/mnistpython convolutional.py成功的话会出现流畅的跑动:h@h:~/Downloads/tensorflow/tensorflow/models/image/mnist$ python convolutional.pyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.so locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.so.5.0.5 locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.so locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcuda.so.1 locallyI tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcurand.so locallyExtracting data/train-images-idx3-ubyte.gzExtracting data/train-labels-idx1-ubyte.gzExtracting data/t10k-images-idx3-ubyte.gzExtracting data/t10k-labels-idx1-ubyte.gzI tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:925] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zeroI tensorflow/core/common_runtime/gpu/gpu_init.cc:102] Found device 0 with properties: name: GeForce GTX 1080major: 6 minor: 1 memoryClockRate (GHz) 1.8475pciBusID 0000:01:00.0Total memory: 7.92GiBFree memory: 7.41GiBI tensorflow/core/common_runtime/gpu/gpu_init.cc:126] DMA: 0 I tensorflow/core/common_runtime/gpu/gpu_init.cc:136] 0: Y I tensorflow/core/common_runtime/gpu/gpu_device.cc:838] Creating TensorFlow device (/gpu:0) -》 (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0)Initialized!Step 0 (epoch 0.00), 8.4 msMinibatch loss: 12.054, learning rate: 0.010000Minibatch error: 90.6%Validation error: 84.6%......Minibatch error: 0.0%Validation error: 0.7%Step 8500 (epoch 9.89), 4.7 msMinibatch loss: 1.601, learning rate: 0.006302Minibatch error: 0.0%Validation error: 0.9%Test error: 0.8%
如何升级tensorflow版本
tensorflow0.11.0已经可以安装了.下面总结一下安装步骤:(1). 卸载tensorflow0.10.0sudo pip uninstall tensorflow11(2). 卸载cuda7.5,cuda8.0不需要卸载cd /usr/local/cuda/binsudo ./uninstall_cuda_7.5.pl#手动清除cuda-7.5文件夹cd /usr/local/sudo rm -rf cuda-7.5#删除cuda7.5samplecd ~sudo rm -rf NVIDIA_CUDA-7.5_Samples1234567812345678(3). 安装cuda8.0, 已有的不需要安装 官网下载cuda8.0,网速慢的话chmod +x cuda_8.0.44_linux.runsudo ./cuda_8.0.44_linux.run#除了安装显卡驱动的地方选no,其他地方默认就好123123(4). 安装cudnn5.1 官网下载,解压sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*12341234(5). 修改.bashrc文件 将以前的7.5改成8.0,执行source .bashrc (6). 安装tensorflow0.11.0如果您满意，请点击采纳，我会非常开心，谢谢您啦
3070ti 用什么版本的cuda，cudnn，以及tensorflow-gpu可以适配
3070ti用CUDA内核。NVIDIA GeForce RTX 3070Ti采用GA104-400 GPU，具有6144个CUDA内核，配备8GB GDDR6X显存，主频为 9Gbps。此次显存升级比现有的非Ti SKU多了160GB/s的带宽。该显卡将于6月9日媒体解禁，6月10日正式上架，官方定价为599美元。
tensorflow为什么要安装cuda
显卡驱动务必去官方下载最新的Local版（.run file）驱动和CUDA Toolkit。这是因为无论是 apt-get 或 官网的网络安装方式，都不能保证最新版的驱动。下载Local版，更方便出现故障时重新安装。CUDA Toolkit本身包括了显卡驱动，所以可以不用另外重复安装。同时需要根据指示安装 cudnn
