Tensorflow 2.2 和 cudnn 8.0.3 无法正常工作。它仍然寻找 cudnn 7.6.5 dll 文件
Tensorflow 2.2 and cudnn 8.0.3 not working together as they should. It still looks for cudnn 7.6.5 dll files
我有 Tensorflow 2.2 和带有 cuDnn 8.0.3 的 Cuda 10.1
我无法 运行 我的脚本,因为它一直在寻找 cuDnn 7 dll 文件:cudnn64_7.dll
我得到以下信息:
Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found
尽管我为 Cuda 10.1 安装了新发布的 cuDnn 8.0.3(参见 cuDNN 8.x support matrix)
我回到了 cuDNN 7.6.5,但我希望获得 NVIDIA 声称的“快 5 倍”的 cuDNN v8.0。
关于如何完成这项工作的任何帮助或解决方法?谷歌搜索让我得到不到 5 个结果!因为似乎没有多少人尝试新的 8.0.3(10.1 的那个)
有同样的问题。 8.0.3
版本是 CUDA 10.1
库的当前和最新支持版本。但是,tensorflow 是为早期版本构建的,因此您必须改用它。
详细说明,如果您查看此页面:https://www.tensorflow.org/install/source_windows#tested_build_configurations
+----------------------+----------------+-----------+-------------+-------+------+
| Version | Python version | Compiler | Build tools | cuDNN | CUDA |
+----------------------+----------------+-----------+-------------+-------+------+
| tensorflow_gpu-2.3.0 | 3.5-3.8 | MSVC 2019 | Bazel 3.1.0 | 7.6 | 10.1 |
+----------------------+----------------+-----------+-------------+-------+------+
所以,除非您在本地构建 TF - 您必须使用支持的 cudnn
版本。
话虽这么说,但是,如果您查看最新的 TF 版本:
https://github.com/tensorflow/tensorflow/releases
然后您将看到以下 TensorFlow 2.4.0-rc1
注释:
TensorFlow pip packages are now built with CUDA11 and cuDNN 8.0.2.
您可以使用 TF 的候选发布版本,但是,您还必须将 CUDA 升级到 11(我猜是版本 11.0,因为没有提到后缀)并使用 cuDNN v8.0.2 (July 24th, 2020), for CUDA 11.0
.
刚刚测试 - 此设置有效。您只需确保安装 numpy
版本 1.19.3
即可避免这些线程
中提到的问题
我有 Tensorflow 2.2 和带有 cuDnn 8.0.3 的 Cuda 10.1
我无法 运行 我的脚本,因为它一直在寻找 cuDnn 7 dll 文件:cudnn64_7.dll 我得到以下信息:
Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found
尽管我为 Cuda 10.1 安装了新发布的 cuDnn 8.0.3(参见 cuDNN 8.x support matrix) 我回到了 cuDNN 7.6.5,但我希望获得 NVIDIA 声称的“快 5 倍”的 cuDNN v8.0。
关于如何完成这项工作的任何帮助或解决方法?谷歌搜索让我得到不到 5 个结果!因为似乎没有多少人尝试新的 8.0.3(10.1 的那个)
有同样的问题。 8.0.3
版本是 CUDA 10.1
库的当前和最新支持版本。但是,tensorflow 是为早期版本构建的,因此您必须改用它。
详细说明,如果您查看此页面:https://www.tensorflow.org/install/source_windows#tested_build_configurations
+----------------------+----------------+-----------+-------------+-------+------+
| Version | Python version | Compiler | Build tools | cuDNN | CUDA |
+----------------------+----------------+-----------+-------------+-------+------+
| tensorflow_gpu-2.3.0 | 3.5-3.8 | MSVC 2019 | Bazel 3.1.0 | 7.6 | 10.1 |
+----------------------+----------------+-----------+-------------+-------+------+
所以,除非您在本地构建 TF - 您必须使用支持的 cudnn
版本。
话虽这么说,但是,如果您查看最新的 TF 版本: https://github.com/tensorflow/tensorflow/releases
然后您将看到以下 TensorFlow 2.4.0-rc1
注释:
TensorFlow pip packages are now built with CUDA11 and cuDNN 8.0.2.
您可以使用 TF 的候选发布版本,但是,您还必须将 CUDA 升级到 11(我猜是版本 11.0,因为没有提到后缀)并使用 cuDNN v8.0.2 (July 24th, 2020), for CUDA 11.0
.
刚刚测试 - 此设置有效。您只需确保安装 numpy
版本 1.19.3
即可避免这些线程