Tengo CUDA 8.0 y puedo descargar cuDNN. Actualmente, tengo la versión 7.0.5 de cuDNN para Linux.

No tengo privilegios de administrador.

Cuando intenté instalar la versión 1.4 de TensorFlow para GPU, recibí este error:

 ImportError: libcudnn.so.6: cannot open shared object file: No such file or directory

Pensé que esto se debía a la ausencia de cuDNN en mi máquina. Descargué la versión 7.0.5, por consejo del administrador de sistemas, que por supuesto no es la versión que el mensaje de error quería que obtuviera (quería la versión 6).

Entonces pensé, probaré la versión 1.5 de Tensorflow para GPU. Tengo este error:

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

¿Qué tengo que hacer? ¿Hay alguna forma de descargar versiones anteriores de cuDNN? ¿O una forma de descargar Cublas 9.0 en alguna parte?

0
StatsSorceress 25 feb. 2018 a las 02:23

2 respuestas

La mejor respuesta

Sí, si se registra en nvidia, también puede descargar versiones anteriores de cuDNN. Aunque está un poco escondido. Asegúrese de descargar la versión correcta que sea compatible con su versión cuda. Además, no olvide configurar la variable de entorno CUDA_HOME para que tensorflow encuentre su GPU.

0
dennis-w 24 feb. 2018 a las 23:32

Esto es lo que terminó funcionando para mí:

Pasos para instalar tensorflow-gpu en una máquina remota a través de una máquina local.

1) SSH en la máquina remota a través de algo como: ssh -X username @ remote

2) Utilice pip install tensorflow-gpu para la primera instalación de tensorflow-gpu. Esto le dará la versión más actual. Si desea una versión anterior, puede especificarla con pip install tensorflow-gpu == 1.4.0 (por ejemplo)

3) Si recibe un error, es probable que necesite instalar CUDA o cuDNN.

Para verificar su versión de CUDA: * cd / usr / local / cuda * vim version.txt

Para descargar cuDNN:

  • Vaya a https://developer.nvidia.com/cudnn
  • Regístrese para obtener una cuenta de desarrollador gratuita (se le pedirá que lo haga a través del botón "Descargar")
  • Una vez que haya creado una cuenta e iniciado sesión, haga clic en la casilla junto a "Acepto los términos del acuerdo de licencia del software cuDNN". Aparecerá una lista de posibles versiones de cuDNN para descargar.
  • El mensaje de error del terminal le dirá qué versión de cuDNN necesita. Por ejemplo, "libcudnn.so.6" en el mensaje de error significa que está buscando cuDNN versión 6.
  • Haga clic en Descargar cuDNN v6.0 (27 de abril de 2017), para CUDA 8.0 (tenga en cuenta que su versión de CUDA debe estar alineada con su versión de cuDNN; es posible que no pueda usar la versión 6.0 de cuDNN con la versión 9.0 de CUDA, por ejemplo).
  • Haga clic en Biblioteca cuDNN v6.0 para Linux (si tiene una máquina Linux y no está intentando instalar cuDNN para un sistema completo). Se iniciará la descarga de una carpeta comprimida.
  • Descomprima la carpeta y guárdela en su escritorio. Llame a la carpeta "cuda".
  • Copia segura la carpeta y todo su contenido en el clúster. Por ejemplo:

    scp -r /Users/username/Desktop/cuda username@remote:~/path/to/a/folder/you/use

  • SSH en el servidor remoto a través de ssh -X username @ remote

  • Copie (o mueva) la carpeta cuda a través de algo como: cp -r cuda /path/to/where/you/want/cuda
  • cd /path/to/where/you/want/cuda
  • echo "export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:path/to/where/you/want/cuda/lib64"
  • >>$HOME/.bashrc

  • Reinicia la ventana de tu terminal

  • SSH en el control remoto nuevamente e intente importar el flujo tensorial en Python. Si tiene éxito, ¡genial! De lo contrario, precargue la ruta de la biblioteca antes de iniciar Python y eso debería funcionar. Puedes hacer esto con:

    LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/path/to/where/you/want/cuda/lib64 python

0
StatsSorceress 27 feb. 2018 a las 00:05