我搜索了很多地方,但我得到的只是如何安装它,而不是如何验证它是否已安装。我可以验证我的 NVIDIA 驱动程序已安装,并且 CUDA 已安装,但我不知道如何验证 CuDNN 已安装。帮助将不胜感激,谢谢!
PS。
这是针对 caffe 实现的。目前,在没有启用 CuDNN 的情况下一切正常。
我搜索了很多地方,但我得到的只是如何安装它,而不是如何验证它是否已安装。我可以验证我的 NVIDIA 驱动程序已安装,并且 CUDA 已安装,但我不知道如何验证 CuDNN 已安装。帮助将不胜感激,谢谢!
PS。
这是针对 caffe 实现的。目前,在没有启用 CuDNN 的情况下一切正常。
CuDNN 的安装只是复制一些文件。因此,要检查是否安装了 CuDNN(以及您拥有的版本),您只需要检查这些文件。
第 1 步:注册一个 nvidia 开发者帐户并在此处下载 cudnn(约 80 MB)。您可能需要nvcc --version
获取您的 cuda 版本。
第 2 步:检查您的 cuda 安装位置。对于大多数人来说,它将是/usr/local/cuda/
。你可以用which nvcc
.
第三步:复制文件:
$ cd folder/extracted/contents
$ sudo cp include/cudnn.h /usr/local/cuda/include
$ sudo cp lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
您可能需要调整路径。请参阅安装的第 2 步。
$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
编辑:在以后的版本中,这可能是以下(Aris的学分)
$ cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
当您收到类似的错误时
F tensorflow/stream_executor/cuda/cuda_dnn.cc:427] could not set cudnn filter descriptor: CUDNN_STATUS_BAD_PARAM
使用 TensorFlow,您可以考虑使用 CuDNN v4 而不是 v5。
通过以下方式安装它的 Ubuntu 用户apt
:https ://askubuntu.com/a/767270/10425
我的回答显示了如何检查安装的 CuDNN 的版本,这通常也是您想要验证的内容。首先需要找到安装好的cudnn文件,然后解析这个文件。要查找该文件,您可以使用:
whereis cudnn.h
CUDNN_H_PATH=$(whereis cudnn.h)
如果这不起作用,请参阅下面的“Redhat 发行版”。
找到此位置后,您可以执行以下操作(替换${CUDNN_H_PATH}
为路径):
cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2
结果应如下所示:
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
这意味着版本是 7.5.0。
这种安装方法将 cuda 安装在 /usr/include 和 /usr/lib/cuda/lib64 中,因此您需要查看的文件位于 /usr/include/cudnn.h 中。
CUDNN_H_PATH=/usr/include/cudnn.h
cat ${CUDNN_H_PATH} | grep CUDNN_MAJOR -A 2
从 CuDNN v5 开始(至少当您通过sudo dpkg -i <library_name>.deb
软件包安装时),您可能需要使用以下内容:
cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
例如:
$ cat /usr/include/x86_64-linux-gnu/cudnn_v*.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 6
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 21
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"
表示已安装 CuDNN 版本 6.0.21。
在 CentOS 上,我找到了 CUDA 的位置:
$ whereis cuda
cuda: /usr/local/cuda
然后我使用了关于从这个位置找到的 cudnn.h 文件的过程:
$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
要检查 CUDA的安装,请运行以下命令,如果安装正确,则以下命令将不会抛出任何错误,并将打印正确版本的库。
function lib_installed() { /sbin/ldconfig -N -v $(sed 's/:/ /' <<< $LD_LIBRARY_PATH) 2>/dev/null | grep $1; }
function check() { lib_installed $1 && echo "$1 is installed" || echo "ERROR: $1 is NOT installed"; }
check libcuda
check libcudart
要检查 CuDNN 的安装,请运行以下命令,如果 CuDNN 安装正确,则不会出现任何错误。
function lib_installed() { /sbin/ldconfig -N -v $(sed 's/:/ /' <<< $LD_LIBRARY_PATH) 2>/dev/null | grep $1; }
function check() { lib_installed $1 && echo "$1 is installed" || echo "ERROR: $1 is NOT installed"; }
check libcudnn
或者
您可以从任何目录运行以下命令
nvcc -V
它应该给出这样的输出
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61
安装 CuDNN 只需将文件放在 CUDA 目录中。如果您在安装 caffe 时正确指定了路由和 CuDNN 选项,它将与 CuDNN 一起编译。
您可以使用cmake
. 创建一个目录caffe/build
并cmake ..
从那里运行。如果配置正确,您将看到以下行:
-- Found cuDNN (include: /usr/local/cuda-7.0/include, library: /usr/local/cuda-7.0/lib64/libcudnn.so)
-- NVIDIA CUDA:
-- Target GPU(s) : Auto
-- GPU arch(s) : sm_30
-- cuDNN : Yes
如果一切正确,只需运行make
命令从那里安装 caffe。
获取 cuDNN 版本 [Linux]
使用以下方法查找 cuDNN 的路径:
cat $(whereis cudnn.h) | grep CUDNN_MAJOR -A 2
如果上述方法不起作用,请尝试以下操作:
cat $(whereis cuda)/include/cudnn.h | grep CUDNN_MAJOR -A 2
获取 cuDNN 版本 [Windows]
使用以下方法查找 cuDNN 的路径:
C:\>where cudnn*
C:\Program Files\cuDNN6\cuda\bin\cudnn64_6.dll
然后使用它从头文件中转储版本,
type "%PROGRAMFILES%\cuDNN6\cuda\include\cudnn.h" | findstr "CUDNN_MAJOR CUDNN_MINOR CUDNN_PATCHLEVEL"
获取 CUDA 版本
这适用于 Linux 和 Windows:
nvcc --version
在 ubuntu 上安装时,.deb
您可以使用sudo apt search cudnn | grep installed
在 Ubuntu 20.04LTS 上:
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR
返回了预期的结果
我有 cuDNN 8.0,上面的建议都不适合我。所需的信息在 中/usr/include/cudnn_version.h
,所以
cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
成功了。
跑./mnistCUDNN
进去/usr/src/cudnn_samples_v7/mnistCUDNN
这是一个例子:
cudnnGetVersion() : 7005 , CUDNN_VERSION from cudnn.h : 7005 (7.0.5)
Host compiler version : GCC 5.4.0
There are 1 CUDA capable devices on your machine :
device 0 : sms 30 Capabilities 6.1, SmClock 1645.0 Mhz, MemSize (Mb) 24446, MemClock 4513.0 Mhz, Ecc=0, boardGroupID=0
Using device 0
如何检查python
代码:
from tensorflow.python.platform import build_info as tf_build_info
print(tf_build_info.cudnn_version_number)
# 7 in v1.10.0
torch.backends.cudnn.version()
应该做的伎俩