Quais combinações de versões do TensorFlow e CUDA são compatíveis?

Percebi que algumas versões mais recentes do TensorFlow são incompatíveis com as versões CUDA e cuDNN mais antigas. Existe uma visão geral das versões compatíveis ou mesmo uma lista de combinações oficialmente testadas? Não consigo encontrá-lo na documentação do TensorFlow.

Geralmente:

Verifique a versão CUDA:

cat /usr/local/cuda/version.txt

e versão cuDNN:

grep CUDNN_MAJOR -A 2 /usr/local/cuda/include/cudnn.h

e instale uma combinação como indicado abaixo nas imagens ou aqui .

As imagens a seguir e o link fornecem uma visão geral das combinações oficialmente suportadas / testadas de CUDA e TensorFlow no Linux, macOS e Windows:

Configurações secundárias:

Como as especificações fornecidas abaixo, em alguns casos, podem ser muito amplas, eis uma configuração específica que funciona:

• tensorflow-gpu==1.12.0
• cuda==9.0
• cuDNN==7.1.4

O cudnn correspondente pode ser baixado aqui .

(números atualizados em 20 de maio de 2020)

GPU Linux

Linux

GPU para macOS

Mac OS

(figura atualizada em 31 de maio de 2018)

janelas

Atualizado a partir de 14 de janeiro de 2020: Para obter as informações atualizadas, consulte o Link para Linux e o Link para Windows .

A tabela de compatibilidade fornecida no site tensorflow não contém versões secundárias específicas para cuda e cuDNN. No entanto, se as versões específicas não forem atendidas, ocorrerá um erro ao tentar usar o tensorflow.

Para tensorflow-gpu==1.12.0e cuda==9.0, a cuDNNversão compatível é 7.1.4, que pode ser baixada aqui após o registro.

Você pode verificar sua versão cuda usando
nvcc --version

versão cuDNN usando
cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

versão tensorflow-gpu usando
pip freeze | grep tensorflow-gpu

ATUALIZAÇÃO: Desde que o tensorflow 2.0 foi lançado, também compartilharei as versões cuda e cuDNN compatíveis (no Ubuntu 18.04).

• tensorflow-gpu = 2.0.0
• cuda = 10,0
• cuDNN = 7.6.0

se você estiver codificando no notebook jupyter e quiser verificar qual versão cuda tf está usando, execute o comando follow diretamente na célula jupyter:

!conda list cudatoolkit

!conda list cudnn

e para verificar se o gpu é visível para tf:

tf.test.is_gpu_available(
    cuda_only=False, min_cuda_compute_capability=None
)

Você pode usar esta configuração para cuda 10.0 (10.1 não funciona a partir de 18/3), isso é executado para mim:

• tensorflow> = 1.12.0
• tensorflow_gpu> = 1.4

Instale a versão tensorflow gpu:

pip install tensorflow-gpu==1.4.0

Eu instalei o CUDA 10.1 e o CUDNN 7.6 por engano. Você pode usar as seguintes configurações (funcionou para mim - a partir de 9/10). :

• Tensorflow-gpu == 1.14.0
• CUDA 10.1
• CUDNN 7.6
• Ubuntu 18.04

Mas eu tive que criar links simbólicos para que funcionasse, pois o tensorflow trabalha originalmente com o CUDA 10.

sudo ln -s /opt/cuda/targets/x86_64-linux/lib/libcublas.so /opt/cuda/targets/x86_64-linux/lib/libcublas.so.10.0
sudo cp /usr/lib/x86_64-linux-gnu/libcublas.so.10 /usr/local/cuda-10.1/lib64/
sudo ln -s /usr/local/cuda-10.1/lib64/libcublas.so.10 /usr/local/cuda-10.1/lib64/libcublas.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcusolver.so.10 /usr/local/cuda/lib64/libcusolver.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcurand.so.10 /usr/local/cuda/lib64/libcurand.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcufft.so.10 /usr/local/cuda/lib64/libcufft.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcudart.so /usr/local/cuda/lib64/libcudart.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcusparse.so.10 /usr/local/cuda/lib64/libcusparse.so.10.0

E adicione o seguinte ao meu ~ / .bashrc -

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/cuda/targets/x86_64-linux/lib/

Eu tive um problema semelhante depois de atualizar para o TF 2.0. A versão CUDA que o TF estava relatando não correspondia ao que o Ubuntu 18.04 achou que eu tinha instalado. Ele dizia que estava usando o CUDA 7.5.0, mas o apt achou que tinha a versão correta instalada.

O que eu finalmente tinha a fazer era grep recursivamente em /usr/localpara CUDNN_MAJOR, e eu achei que /usr/local/cuda-10.0/targets/x86_64-linux/include/cudnn.h, de fato, especificar a versão como 7.5.0.
/usr/local/cuda-10.1acertou e /usr/local/cudaapontou /usr/local/cuda-10.1, então era (e continua sendo) um mistério para mim porque TF estava olhando /usr/local/cuda-10.0.

Enfim, mudei /usr/local/cuda-10.0para /usr/local/old-cuda-10.0o TF e não consegui encontrá-lo mais e tudo funcionou como um encanto.

Foi tudo muito frustrante, e ainda sinto que fiz um hack aleatório. Mas funcionou :) e talvez isso ajude alguém com um problema semelhante.