问题标签 [cudnn]

我尝试自己编译 Tensorflow 以加快训练速度（使用预编译的轮子可以工作，但速度很慢）。我使用 ./configure 来配置并明确指定应使用 cuDNN 版本 5.1.10。在此之前，我下载了 cuDNN 5.1.10 并将我的文件复制到 Cuda 目录。

这是配置（.tf_configure.bazelrc）的样子：

注意 TF_CUDNN_VERSION="5.1.10" 部分。接下来我执行以下命令：

最后，我收到以下错误消息

到底是怎么回事？尽管我指定了正确的版本，但不知何故 Tensorflow 是使用 cuDNN 5.0 编译的？！

系统为 Ubuntu 16，AWS p2 实例。

我正在尝试在由 anaconda 创建的 python 虚拟环境中在 NVIDIA 1060 GPU 上使用 Cuda 8.0 在 Ubuntu 16.04 上运行 theano 简单代码。以下是我的 theanorc 文件：

我尝试运行的代码是 theano 网站上的一个简短示例：

当我运行代码时，我收到一堆警告和以下错误：

令人惊讶的是，代码运行并打印所需的输出如下：

我想知道我是否缺少 Theano 配置或其他东西？知道出了什么问题吗？

ps 除了安装在系统级别的 Cuda 库之外，所有库都已安装在我的 python 虚拟环境中。 - 谢谢

我已经花了相当多的时间在堆栈溢出上进行挖掘，并寻找答案，但找不到任何东西

大家好，

我在上面运行带有 Keras 的 Tensorflow。我 90% 确定我安装了 Tensorflow GPU，有没有办法检查我安装了哪个？

我试图从 Jupyter 笔记本上运行一些 CNN 模型，我注意到 Keras 正在 CPU 上运行模型（检查任务管理器，CPU 为 100%）。

我尝试从 tensorflow 网站运行此代码：

这就是我得到的：

对我来说，出于某种原因，这表明我正在我的 CPU 上运行。

我有一个 GTX1050（驱动程序版本 382.53），我安装了 CUDA、Cudnn 和 tensorflow，没有任何问题。我也安装了 Visual Studio 2015，因为它被列为兼容版本。

我记得 CUDA 提到安装了不兼容的驱动程序，但如果我没记错的话，CUDA 应该安装了自己的驱动程序。

编辑： 我运行这些命令来列出可用的设备

这就是我得到的

还有很多这样的警告

编辑 2

试过跑步

我得到

已解决： 查看评论以获取解决方案。感谢所有帮助过的人！

我是新手，所以非常感谢任何帮助！谢谢你。

我在华硕 K501UX 笔记本电脑上使用 NVidia Geforce GTX 950M（驱动程序 381）在 Ubuntu 16.04（x86_64）上安装了 CUDA 8.0。安装后CUDA，我可以运行deviceQueryand bandwidthTest，根据this doc。

下载的 cuDNN 5.1 是一个.deb包并自动安装。但是，没有cudnn.hin /usr/local/cuda-8.0/include/，也没有libcudnnin/usr/lib/x86_64-linux-gnu/目录。此验证表明 cuDNN 可能未正确安装。

TensorFlow-gpu 没有运行，所以要么 要么tensorflow有cuDNN问题。任何想法都值得赞赏。

我在 Windows 10 上的 GTX 1070 上运行 keras 神经网络训练和预测。大多数时候它都在工作，但有时它会抱怨

它既不能用字面的错误含义来解释，也不能用 OOM 错误来解释。

怎么修？

我已经按照在 Windows 上安装 TensorFlow安装了 tensorflow-gpu ，当我导入 tensorflow 时它似乎运行良好，但是今天当我尝试一个新程序时，它显示了一些错误：

`

`

我知道这意味着我应该将我的 cudnn5.1 升级到 cudnn6，然后我下载 cudnn6 并将文件复制到我的 cuda 安装目录。然后在cudn/v8.0/bin目录下存在两个cudnn dll：cudnn64_5.dll和cudnn64_6.dll。

当我重新运行我的程序时，仍然出现同样的错误，当我删除 cudnn64_5.dll 时，我什至无法运行我的程序，出现一些新的错误：

`

`

我将我的cudnn64_6.dll重命名为cudnn64_5..dll，上面的错误消失了但仍然显示我的cudnn版本是5105。看来我必须做其他事情才能使cudnn升级工作，但我不知道。什么我应该怎么做才能解决错误？

这里有一个例子来说明我的意思：
First session.run():
First run of a TensorFlow session

later session.run()：
TensorFlow session 的后续运行

我知道 TensorFlow 在这里进行了一些初始化，但我想知道它在源代码中的哪个位置。这发生在 CPU 和 GPU 上，但在 GPU 上效果更突出。例如，在显式 Conv2D 操作的情况下，第一次运行在 GPU 流中具有大量的 Conv2D 操作。事实上，如果我改变 Conv2D 的输入大小，它可以从几十到几百个流 Conv2D 操作。然而，在以后的运行中，GPU 流中始终只有五个 Conv2D 操作（无论输入大小如何）。在 CPU 上运行时，我们在第一次运行时保留了与以后运行相同的操作列表，但我们确实看到了相同的时间差异。

TensorFlow 源代码的哪一部分是造成这种行为的原因？GPU 操作在哪里“拆分”？

谢谢您的帮助！

我正在尝试按照以下说明安装 tensorflow 和 tensorflow-gpu：

https://www.tensorflow.org/install/install_windows#CommonInstallationProblems

我想我正确地遵循了它们，但我似乎无法让它发挥作用。如果我以管理员身份从 CMD 提示符运行它，两者似乎都安装成功。如果我在安装 tensorflow 后停止，它会起作用。但是，一旦我也安装了 tensorflow-gpu（即使它似乎安装成功），当我尝试使用 tensorflow 时，就会出现错误。

这是我得到的错误：

我正在通过以管理员身份运行并激活运行的 CMD 提示符进行此安装。我也在 PyCharm 中尝试过类似的结果。

说明说即使我打算使用 tensorflow-gpu，我也应该安装常规的 tensorflow。

但是我尝试只安装 tensorflow-gpu，虽然安装说成功，但在运行“import tensorflow as tf”时仍然出现上述错误。

所以我似乎可以让它工作的唯一方法是如果我不安装 tensorflow-gpu。但是，我这样做的全部原因是我可以将我的 NVIDIA GPU 与 Keras/Tensorflow 结合使用。

注意：我确实安装了 CUDA Toolkit 8.0 和 cuDNN v5.1，虽然这个过程很混乱，所以我可能做错了什么。我认为没有简单的方法来验证它。

为了踢球，我尝试先安装 tensorflow-gpu，然后在仅安装 tensorflow 时出现以下错误——尽管是管理员，但出现权限错误：

这个问题是一个类似的问题： Tensorflow GPU installation Error Windows 10 Anaconda

但是，我确实确保我的路径指向正确的位置。

我实现了 MLP、RNN、CNN 的组合。批量大小为 420 时，一切似乎都运行良好（也就是我没有收到任何错误）。但是，一旦我将批次增加到 840，我就会收到以下错误：

向前传球似乎工作正常。我检查所有变量是否连续并且它们是连续的。此外，我对损失计算的预测和目标是连续的，而且返回的损失也是连续的。但是随后在调用时会发生此错误backward()。任何想法为什么会发生这种情况？

CUDA 版本 8.0.61

Python 3.5.2

评论摘要：

• 一个序列中有 210 张图像，因此，我的批量大小为 210 步。每个图像的形状为[3, 250, 250].
• 我正在向后使用 PyTorch，我自己还没有实现任何向后的方法。

我正在使用带有 gpu 的 tensorflow。我的电脑有 NVIDIA gforce 750 ti，我将用 1080 ti 替换它。我是否必须重新安装 tensorflow（或其他驱动程序等）？如果是真的，我究竟需要重新安装什么？

还有一个问题，我可以通过在计算机上再安装一个 gpu 来加快训练过程吗？