问题标签 [cudnn]

正如 cuDNN 的官方网站提到的：

带有 Pascal、Kepler、Maxwell、Tegra K1 或 Tegra X1 GPU 的 Windows、Linux 和 MacOS 系统支持 cuDNN。

所以这里没有提到 Tesla M60，虽然它的计算能力 = 5，即 > 3。那么 cuDNN 是否支持 Tesla M60？我可以使用 cuDNN 在它上面运行 CAFFE 吗？

我最近发现了caffe_rtpose并尝试编译并运行该示例。不幸的是，我对 c++ 非常有经验，所以我遇到了很多编译和链接问题。

我尝试调整 Makefile 配置（从现有的 Ubuntu 配置修改）。（我使用的是运行 OSX 10.11.5 和 nVidia GeForce 750M 的系统，并且我已经安装了 CUDA 7.5 和 libcudnn）：

这是install_caffe_and_cpm_osx.sh脚本的修改版本：

但我得到这个错误：

我尝试将数组换成向量：

这似乎解决了那个编译错误，但现在我得到一个链接器错误：ld: library not found for -lgomp clang: error: linker command failed with exit code 1 (use -v to see invocation)

我搜索了 lib lib gomp，发现一些关于 caffe 和 OpenMP 的相关帖子提到了 OSX 和 OpenMP 上的 clang 问题。我尝试了什么：

1. 在这篇文章之后，我安装了带有自制软件的 gcc 4.9（因为 gcc 5 的自制软件安装了 5.9 可能太高了？）
2. 我-fopenmp=libomp根据Andrey Bokhanko 的回答设置：这对我不起作用++-4.9: error: unrecognized command line option '-fopenmp=libomp'

我可以使用官方说明单独下载和构建 Caffe ，但我似乎无法弄清楚如何编译这个看起来很棒的演示。不幸的是，我没有使用 c++ 和 OpenMP 的经验，所以我真的可以在这里使用你的建议。谢谢

更新：我已经尝试过 Mark Setchell 关于通过 clang 安装 llvm 的有用建议。我已经更新了 Makefile 配置以使用

但 CUDA 不喜欢它：

我试过编译，CPU_ONLY但我仍然得到 CUDA 错误：

我不是专家，但是通过快速扫描代码，我看不出 CPU_ONLY 版本将如何与 cuda 调用一起使用。

再看一下caffe OSX Installation guide，我可能会尝试路线>不适合胆小的人

我正在尝试在启用了 GPU 的谷歌云 vm 实例中运行 tensorflow python 脚本。我遵循了安装 GPU 驱动程序、cuda、cudnn 和 tensorflow 的过程。但是，每当我尝试运行我的程序（在超级计算集群中运行良好）时，我都会不断得到：

未定义符号：cudnnCreate

我已经在我的 ~/.bashrc 旁边添加了

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64:/usr/local/cuda-8.0/lib64"

导出 CUDA_HOME="/usr/local/cuda-8.0" 导出 PATH="$PATH:/usr/local/cuda-8.0/bin"

但它仍然不起作用并产生相同的错误

我正在尝试安装 CUDNN 以在我的 Macbook Pro 上使用具有 GPU 支持的 tensorflow。从 NVDIA 网站下载 cudnn 后，这些是我能找到的所有说明：

操作系统

虽然第一步非常简单，但第二个语句的含义是什么，我如何完成第二步？请指教。谢谢。

我用 GeForce GT 750M 在我的 Macbook Pro 上安装了 tensorflow 1.0.1 GPU 版本。还安装了 CUDA 8.0.71 和 cuDNN 5.1。我正在运行一个在非 CPU tensorflow 上运行良好的 tf 代码，但在 GPU 版本上，我收到此错误（有时它也可以）：

这里发生了什么？这是张量流中的错误吗？请帮忙。

这是我运行 python 代码时的 GPU 内存空间：

我在 C++ 中使用 Cuda 已经有一段时间了，我想试试 cuDNN。我想直接使用 C++，但我大多只能找到基于 Caffè 或 TensorFlow 等不同平台的示例和教程。这是否意味着我不能在纯 C++ 中使用 cuDNN？我需要有尽可能高的性能。谢谢你的帮助

我们是否特别需要用于 TensorFlow 的 cuDNN v5.1（如建议的那样），还是最新版本（v6.0）也可以工作？cuDNN 版本是否存在向后兼容性？

系统信息：AMD CPU Ubuntu 16.04 cuDNN v5.1 python 2.7

调用时无法让 tensorflow 正确运行：“import tensorflow as tf”

错误/输出：

Traceback（最近一次调用最后一次）：文件“test.py”，第 2 行，在 import tensorflow as tf 文件“/usr/local/lib/python2.7/dist-packages/tensorflow/init .py ”中，第 24 行， in from tensorflow.python import * File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/init .py ", line 72, in raise ImportError(msg) ImportError: Traceback (最近一次调用最后一次):文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/init.py"，第 61 行，从 tensorflow.python 导入 pywrap_tensorflow 文件 "/usr/local/lib/python2.7/dist-packages/tensorflow/python/pywrap_tensorflow.py"，第 28 行，在 _pywrap_tensorflow = swig_import_helper() 文件中“/usr/local/lib/python2.7/dist-packages/tensorflow/python/pywrap_tensorflow.py”，第 24 行，在 swig_import_helper _mod = imp.load_module('_pywrap_tensorflow', fp, pathname, description) ImportError: libcudart. so.8.0：无法打开共享对象文件：没有这样的文件或目录

无法加载原生 TensorFlow 运行时。

已经在这个类似的线程中尝试了所有解决方案： TensorFlow：libcudart.so.7.5：无法打开共享对象文件：没有这样的文件或目录

我运行手电筒./test.sh，并得到如下错误：

我的 cuda 是 8.0 并且已经将 libcudnn.so.6 移动到它的文件夹中，我该如何修复上面的错误。一开始只是报找不到libcudnn.so.6，没有这样的文件等错误，然后我export CUDNN_PATH="/usr/local/cuda-8.0/lib64/libcudnn.so.6$CUDNN_PATH"在/.bashrc中添加并重新启动，它变成了上面的错误。

我在 docker 镜像上，所以我无法访问 docker 镜像的“外部”。我想安装具有 gpu 支持的 tensorflow：

cudnn 和 CUDA 已安装并正在运行。映像中提供了一个旧版本 (0.11)，并且可以正常运行 CUDA 和 cudnn，但我需要升级到版本 1 或更高版本。我有两个 Nvidia Titans。

使用显示的 pip 命令后，我使用以下脚本查看是否启用了 GPU 支持，并查看 nvidia-smi：

在此之后我只得到输出

没有名为 tensorflow 的模块

如果我检查点列表：

我得到输出：

张量流 GPU (1.0.1)

这是一个简单的错误导入吗？

如果我使用 non-gpu-support installpip install tensorflow上面的代码给出：

设备映射：没有已知设备。

这当然是由于不支持gpu。总而言之，如何让 tensorflow 的 GPU 版本与简单的 pip install 和 1.0 以上的版本一起工作？