Tensorflow 1.12 是否与 CUDA 10.1 兼容？答案

【问题标题】：Is Tensorflow 1.12 compatible with CUDA 10.1?Tensorflow 1.12 是否与 CUDA 10.1 兼容？
【发布时间】：2019-07-22 18:54:22
【问题描述】：

我已经能够使用 nvidia-smi 418.39、驱动程序版本 418.39 和 CUDA 10.1 成功设置 Ubuntu 18.04 服务器

我现在有一个用户想要运行 TensorFlow，但坚持认为它与 CUDA 10.1 不兼容，只与 CUDA 10 兼容。在我能找到的任何地方都没有在线确认这一点的声明，也没有在任何发布补丁说明中特遣部队。因为设置这个系统有点痛苦，所以我有点犹豫是否尝试只降级一个版本。

是否有人验证过 TensorFlow 1.12 是否可以与 CUDA 10.1 一起使用？

【问题讨论】：

你需要的肯定在这里：tensorflow.org/install/gpu这也基本上是重复的：stackoverflow.com/q/53591511/1531971
使用 CUDA 10.1 并不像使用 CUDA 10.0 构建那样简单，因为 CUDA 的一部分已在 10.1 中重命名或移动。在 github 中查看此问题：github.com/tensorflow/tensorflow/issues/26150
上面我的意思是说“使用 CUDA 10.1 构建...”无论如何，简短的回答是降级到 CUDA 10.0 并使用支持 CUDA 10 的 TensorFlow 1.13.1 然后到尝试使用 CUDA 10.1 从源代码编译 TensorFlow
我明白 - 这对我来说已经足够了（看到 SO 和 GH 退伍军人遇到麻烦不是我自己想要筛选的东西） - 将恢复到 CUDA 10.0 并继续使用 TF 1.13。感谢您的快速回复！
嗯，TF2.0好像还没有支持CUDA10.1呢。

标签： tensorflow nvidia ubuntu-18.04

【解决方案1】：

我可以确认即使 tf 1.13.1 仅适用于我的 CUDA 10.0，而不是 10.1。不知道符号链接是否可以通过。如果您尝试在 CUDA 10.1 上运行 tf 1.13.1，它会给您“ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory”

【讨论】：

【解决方案2】：

TensorFlow 1.12（甚至更高版本 1.13.1 和 2.0.0-alpha0）不能针对 CUDA 10.1 构建，因此可以认为是不兼容的。

我尝试从源代码构建支持 GPU 的 TensorFlow。我考虑的 TensorFlow 版本是 1.13.1 和 2.0.0-alpha0。我使用的机器运行 CentOS 7.6 和 GCC 4.8.5。我已安装 NVIDIA 驱动程序版本 418.67（发布日期为 2019.5.7 并支持 CUDA Toolkit 10.1）。

我成功地使用 CUDA 10.0 和 cuDNN 7.6.0 + NCCL 2.4.7（针对 CUDA 10.0）构建了两个 TensorFlow 版本。 请注意，在构建支持 GPU 的 TensorFlow 时，您不需要将 GPU 连接到机器（尤其是如果您在云中使用 VM）。

但是，当我切换到 CUDA 10.1 和 cuDNN 7.6.0 + NCCL 2.4.7（对于 CUDA 10.1）时，这些 TensorFlow 版本都无法构建。除了libcublas 的位置变化之外，另一个错误来源是cuda-10.1/lib64/ 中没有libcudart.so*（虽然它们确实存在于cuda-10.0/lib64/ 中）。

【讨论】：

【解决方案3】：

我还可以确认 tf 1.13.1 不适用于 CUDA 10.1。导入tensorflow时会报如下错误

ImportError: libcublas.so.10.0: 无法打开共享对象文件：没有这样的文件或目录

运行 ldconfig -v 显示差异 libcublas.so.10.0 与 libcublas.so.10.1.0.105

【讨论】：

你也可以在github.com/tensorflow/tensorflow/issues/26150关注这个问题