TensorFlow1.8.0+cuda9.0+cudnn7.1.2

写在前面&＃xff1a;tensorflow也可以用conda一条龙安装&＃xff0c;如&＃xff1a;

conda install tensorflow-gpu&＃61;&＃61;2.1.0


会自动安装其他依赖包&＃xff0c;包括cudatoolkit10.1和cudnn7.6&＃xff0c;如果至此问题可以解决&＃xff0c;下面的可以不用看了。
————————————————————————————————
记录一个折磨我三天的小&＃xff08;da&＃xff09;问题
很早以前就被cuda、cudnn、显卡驱动、TensorFlow、pytorch等等的版本之类的问题困扰&＃xff0c;不同的代码可能会需要不同版本的包&＃xff0c;直到有一天我使用了anaconda&＃xff08;见Ubuntu安装Anaconda&＃xff09;&＃xff0c;按不同代码的版本需求安装不同的包&＃xff08;见cuda、cudnn、pytorch、tensorflow安装&＃xff09;。平静了很久很久以后&＃xff0c;又出现了一个新的问题。
有个代码之前能够成功运行&＃xff0c;虽然这个环境的cuda、cudnn、TensorFlow版本一直都有问题。下面我记录一下我几个环境的包的版本。
环境A&＃xff1a;TensorFlow-gpu1.7.0&＃43;cuda8.0&＃43;cudnn7.0.5
环境B&＃xff1a;TensorFlow-gpu1.7.0&＃43;cuda8.0&＃43;cudnn7.0.5
环境C&＃xff1a;TensorFlow-gpu1.7.0&＃43;cuda9.0&＃43;cudnn7.6.5
实际上环境A和环境B是一致的&＃xff0c;根据TensorFlow、cuda、cudnn的版本对应关系&＃xff08;见cuda、cudnn、pytorch、tensorflow安装&＃xff09;TensorFlow1.7.0配套的应该为cuda9和cudnn7&＃xff0c;环境C符合这个规则。
使用环境C运行代码报错&＃xff1a;

E tensorflow/stream_executor/cuda/cuda_dnn.cc:396] Loaded runtime CuDNN library: 7650 (compatibility version 7600) but source was compiled with 7005 (compatibility version 7000).
If using a binary install, upgrade your CuDNN library to match.
If building from sources, make sure the library loaded at runtime matches a compatible version specified during compile configuration.


这个TensorFlow1.7.0需要的cudnn7的版本为cudnn7.0的&＃xff0c;7.6不适用&＃xff0c;于是我就装上cudnn7.0&＃xff0c;代码如下&＃xff1a;

conda install cudnn&＃61;7.0.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/


但是conda要强行将cuda9.0换成cuda8.0&＃xff1a;

The following NEW packages will be INSTALLED:
cudnn: 7.0.5-cuda8.0_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main The following packages will be DOWNGRADED:
cudatoolkit: 9.0-h13b8566_0 --> 8.0-3
Proceed ([y]/n)?


要装cudnn7.0只得选y,这样cuda就变成9.0了&＃xff0c;无奈&＃xff0c;就这样得到了环境A和B。
虽然这个版本对应有问题&＃xff0c;但是可以运行。而且非常奇怪&＃xff0c;即使分配了gpu&＃xff0c;环境B只能用cpu运行tensorflow。而环境A只能用gpu运行tensorflow&＃xff0c;即使我指定用cpu运行&＃xff0c;也要找gpu。&＃xff08;确定两个环境的TensorFlow-gpu版本相同&＃xff09;
就这样我一直睁一只眼闭一只眼&＃xff0c;没有管他们&＃xff0c;直到昨天&＃xff0c;环境A突然报错&＃xff1a;

ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory


好家伙&＃xff0c;又突然需要cuda9.0&＃xff0c;就像一头沉睡的狮子&＃xff0c;小丑在他身上跳了几个月的舞&＃xff0c;也不知道被什么突然惊醒了。同样的代码&＃xff0c;同样的环境&＃xff0c;只隔一天就完全不能跑了。
cuda9.0和cudnn7.0.5又不能在conda环境中同时存在&＃xff08;不在conda环境中应该是可以共存&＃xff0c;但是这样安装起来非常不方便也不便于管理&＃xff09;&＃xff0c;来回装了几遍cuda9.0和cudnn7.0和tensorflow1.7&＃xff0c;都无济于事。
将tensorflow退回1.4&＃xff0c;则报错&＃xff1a;

ImportError: libcublas.so.6.0: cannot open shared object file: No such file or directory


cudnn7.1是conda环境中和cuda9.0兼容的最低版本&＃xff0c;但是使用cudnn7.1也报错&＃xff1a;

E tensorflow/stream_executor/cuda/cuda_dnn.cc:396] Loaded runtime CuDNN library: 7102(compatibility version 7100) but source was compiled with 7005 (compatibility version 7000).
If using a binary install, upgrade your CuDNN library to match.
If building from sources, make sure the library loaded at runtime matches a compatible version specified during compile configuration.


突然注意到tensorflow1.5-1.12这几个版本对应的都是cuda9和cudnn7&＃xff0c;想到尝试tensorflow-gpu-1.8&＃xff1a;

pip install tensorflow-gpu&＃61;&＃61;1.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple


成功&＃xff0c;与cudnn7.1完美兼容&＃xff0c;问题解决。
最终成功的环境&＃xff1a;TensorFlow1.8.0&＃43;cuda9.0&＃43;cudnn7.1.2