服务器用户修改libcudnn.so链接

最新推荐文章于 2023-04-14 15:10:19 发布
原创 最新推荐文章于 2023-04-14 15:10:19 发布 · 976 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#cuda

本文介绍了在更新TensorFlow后可能会遇到与CUDA和cuDNN版本不匹配的问题，并提供了具体的解决方案，包括如何通过符号链接或直接安装cuDNN来解决找不到libcudnn.so.xx的问题。
部署运行你感兴趣的模型镜像

在安装tensorflow的时候，每个版本要求的cuda和cudnn’版本都不相同，在更新tensorflow后很容易遇到与cuda，cudnn版本不匹配的情况，如找不到libcudnn.so.xx的，可以通过连接的方式，一般来说高版本兼容低版本。
但是作为服务器用户没有权限直接在usr目录下ln -s，那么可以在anaconda/envs/tensorflow/lib链接就好.或者直接在此目录下安装cudnn，也就是把lincudnn.so相关文件粘贴在此处。
附cudnn6下载链接：
http://developer.download.nvidia.com/compute/redist/cudnn/v6.0/cudnn-8.0-linux-x64-v6.0.tgz

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Ubuntu18.04安装tensorrt，解决libcudnn.so.7: cannot open shared object file: No such file or directory
baidu_41906969的博客
05-06 1967
1、查看cuda和cudnn的版本号： cuda： $ cat /usr/local/cuda/version.txt cudnn： $ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 2、去nvida官网下载对应的tensorrt版本： 进入下载链接：https://developer.nvidia.com/nvidia-tensorrt-7x-download 点击Download Now（需要登录英伟达账号，没有的注册一个
ImportError: libcudnn.so.8: cannot open shared object file: No such file or directory
BetrayFree的博客
10-07 6269
今天在环境迁移的时候遇到了这样一个报错内容ImportError: libcudnn.so.8: cannot open shared object file: No such file or directory，在本机跑的时候是没出现这样情况的，那为什么在这里出现了呢？看报错内容应该是少了什么文件，把这个文件加上去就可以了。
MXNet或tensorflow缺少libcudart.so.11.0和libcudnn.so.8解决方法
baidu_37366055的博客
04-19 1895
问题： 安装tensorflow-gpu，在测试是否调用GPU时出现如下问题： Could not load dynamic library ‘libcudart.so.11.0’; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or directory; 解决方法： 为了解决这个问题，笔者尝试了各种网上的解决教程，都无法解决。 网上查找时，如下解决方法：方法一： 用： conda inst..
问题ImportError: libcudnn.so.6: cannot open shared object file: No such file or directory的解决方案
qq_36427732的博客
10-27 1109
当Ubuntu安装配置cuda+tensorflow后，import tensorflow时出现如下问题pc601@pc601-System-Product-Name:~$ python Python 2.7.12 (default, Nov 19 2016, 06:48:10) [GCC 5.4.0 20160609] on linux2 Type "help", "copyright", "c
Linux之cuda、cudnn安装及版本切换
ZONGXP的博客
07-02 4万+
0 背景 我们在用不同框架做深度学习时，难免会遇到需要不同版本的cuda和cudnn版本的情况，如果把原来版本的卸载掉重新安装新版本，则会影响其它框架的使用，最好的方法是在主机上安装多个版本的cuda和cudnn，需要用到哪种就切换到哪种，这样就免去了重复卸载安装的工作 关于tensorflow对应的cuda和cudnn版本，参考官网链接，注意在1.13以上版本的tensorflow，都需要用...
安装paddlepaddle-GPU 报libcudnn.so和libcublas.so找不到的解决方案
古月哲亭
07-22 4045
第一步，查找两个的文件位置 第二步： 由于cudcun实在cuda10.0的基础上安装的，解压cudcnn的tar包之后会出现一个cuda-10.0文件夹，而不是cuda. 第三步： 在一步出现的位置找到了和libcublas.so.10对其进行了重命名就好了。 ...
【tensorflow】缺少libcudart.so.11.0和libcudnn.so.8解决方法
热门推荐
qq_44703886的博客
01-09 6万+
问题： 安装tensorflow-gpu，在测试是否调用GPU时出现如下问题： Could not load dynamic library ‘libcudart.so.11.0’; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or directory; 解决方法： 为了解决这个问题，笔者尝试了各种网上的解决教程，都无法解决。 网上查找时，如下解决方法： 方法一： 用： conda install te
Tensorflow 缺少 libcusolver.so.10 和 libcudnn.so.8 两个库的解决办法
weixin_44415928的博客
03-08 4850
0. 环境展示 Ubuntu系统 Ubuntu 20.04 focal Conda conda 4.8.3 Python Python 3.8.3 Cuda Cuda compilation tools, release 11.1, V11.1.105 cudnn cuDNN v8.1.0 (January 26th, 2021), for CUDA 11.0,11.1 and 11.2下载链接 点此跳转 1. libcusolver.so.10 动态库 我们可以发现在 cuda 的 lib64包下
百度Paddlepaddle-GPU运行时出现Error: Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion
风月同天的博客
06-26 2万+
这里写目录标题一级目录二级目录三级目录 一级目录 二级目录 三级目录
cudnn的安装
lanyuxuan100的博客
04-22 705
在安装完cuda 8.0后，安装cudnn： （1）根据自己的电脑型号在如下目录下载相应版本的安装包： https://developer.nvidia.com/cudnn （2）将下载的deb安装包解压缩： 这个是包含动态库的包，发现里面没有include路径，于是又下载了开发包（前面是运行包），里面果然有include。（3）将动态库与include文件拷贝到指定目录：sudo cp l
libcudnn.so.6
08-02
cudnn-8.0-linux-x64-v6.0.tgz
Ubuntu下CUDA和cudnn的安装
冰雪棋书的博客
12-09 1万+
１、安装ＣＵＤＡ １、下载 https://developer.nvidia.com/cuda-downloads （1）大概是下面这个样子，按照自己的平台来选,然后下载那个.run文件就行。 注意，这里有几个包，都下下来。准备工作已经做完，这时候，你已经知道了你需要的驱动信息并且下载了几个cuda的run文件。 （2）你自己可以建个文件夹，然后在文件夹中输入上命令下载： sudo wget http://developer.nload.nvidia.com/compute/cuda/10.1/Prod/
解决TensorFlow-GPU 2.x使用GPU报错：Could not load dynamic library ‘libcudnn.so.7‘
夏小悠的博客
09-28 6324
本篇博客主要解决在安装`tensorflow-gpu`之后，使用`gpu`训练模型时报错的问题：Could not load dynamic library 'libcudnn.so.7'。不仅如此，几乎涵盖了tensorflow-gpu使用过程中出现的问题。
找不到libcudnn.so.6
qq_33786177的博客
03-10 1491
"libcudart.so.8.0 cannot open shared object file: No such file or directory" 解决办法是将一些文件复制到/usr/local/lib文件夹下： #注意自己CUDA的版本号！ sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart...
import tensorflow 出错libcudnn.so.6: cannot open shared object file: No such file or directory
xxpr_ybgg的博客
10-21 557
出现错误ImportError:/usr/local/cuda-8.0/lib64/libcudnn.so.6: file too short 的原因应该是他连接到的这个库不对。从下载完的文件中，将libcudnn.so.6.XXX（具体可修改到自己下载的版本）文件放在/usr/local/cuda/lib64/文件目录下。--------------分割线（当你使用的是服务器时）-----------------------该文件一般放在/usr/local/cuda/lib64/文件目录下。
解决ImportError: libcudnn.so.8: cannot open shared object file: No such file or directory
m0_71816999的博客
04-14 6008
网上查里很多方法，多是说cuda版本不对应问题，试了很多方法（大约10+种）都没有解决问题。心态都要崩里，最后一贼厉害的同时来解决里。实际上就是一个软连接的问题。第一步找到左上角的run -->edit configurations。1.在pycharm中设置环境变量。OK 就这样问题解决里。
机器找不到 libcudnn.so.6
码农邦的博客
04-23 826
转载：https://www.kaishixue.com/libcudnn-so-6/
安装cudnn
BZ_PP的博客
11-19 1142
根据安装的cuda版本下载对应的cudnncudnn下载地址 解压下载好的文件（.tgz） tar -zxvf cudnn-*******.tgz 进入解压的文件夹，进入 include 路径下，执行： $ sudo cp cudnn.h /usr/local/cuda/include/ lib64 路径下，执行： $ sudo cp lib* /usr/local/cuda/lib64/ //复制动态链接库 $ cd /usr/local/cuda/lib64/ $ sudo rm -r
import torch报错ImportError: libcudnn.so.0: cannot open shared object file: No such file or directory
最新发布
09-11
<think> 我们正在解决用户遇到的错误：ImportError: libcudnn.so.0: cannot open shared object file: No such file or directory 用户提到他们没有管理员权限，因此需要非特权用户的解决方案。 分析错误：这个错误通常是因为系统找不到所需的CUDA动态库文件（特别是cuDNN库）。用户的环境是服务器，且没有root权限。 根据引用[1]和[2]的思路，我们可以尝试以下方法（无需root权限）： 1. 检查CUDA和cuDNN是否安装：用户可能没有正确安装cuDNN，或者安装的版本不对（这里需要的是libcudnn.so.0，可能是cuDNN的旧版本）。 2. 设置环境变量LD_LIBRARY_PATH：将包含cuDNN库的目录添加到LD_LIBRARY_PATH中，这样动态链接器就可以找到它。 由于用户没有管理员权限，我们无法使用apt安装，所以只能从环境变量入手。 具体步骤： 步骤1：确认cuDNN库的存在位置。 通常，cuDNN库会放在CUDA的安装目录下的lib64文件夹中。例如，如果CUDA安装在/home/username/cuda，那么cuDNN库可能就在/home/username/cuda/lib64。 但是，用户可能已经安装了cuDNN，只是路径没有设置。我们需要先查找libcudnn.so.0文件的位置。 步骤2：在用户的文件系统中查找libcudnn.so.0。 可以使用find命令：在用户有权限的目录下查找（例如用户的家目录、CUDA安装目录等）。 例如：`find /home/username -name 'libcudnn.so.0*' 2>/dev/null` 步骤3：将找到的库所在目录添加到环境变量LD_LIBRARY_PATH中。 例如，如果找到的路径是：/home/username/cuda/lib64，那么可以执行： export LD_LIBRARY_PATH=/home/username/cuda/lib64:$LD_LIBRARY_PATH 然后尝试运行python并import torch，看是否解决。 步骤4：如果找不到libcudnn.so.0，那么可能需要下载cuDNN的旧版本（注意需要与CUDA版本匹配）并解压到用户目录下，然后添加到环境变量。 关于下载cuDNN：由于用户没有root权限，需要从NVIDIA官网下载cuDNN（需要注册）。下载时要注意选择与当前CUDA版本兼容的cuDNN版本（特别是需要提供libcudnn.so.0的版本，可能是cuDNN v6或更早的版本，因为cuDNN v7及以上使用的是libcudnn.so.7）。 注意：用户错误中要求的是libcudnn.so.0，说明程序需要的是旧版cuDNN（如v3或v4）。如果用户当前安装的cuDNN版本过高（例如v7），那么可能需要创建符号链接（但需要权限，如果没有权限则只能安装旧版本到用户目录）。 但是，考虑到用户环境，建议先查找是否已有旧版本，如果没有，则下载对应版本的cuDNN并解压到用户目录。 具体操作建议： 1. 确认当前CUDA版本：执行`nvcc --version`（如果nvcc在PATH中）或者查看CUDA安装路径下的version.txt。 2. 根据CUDA版本下载对应的cuDNN（包含libcudnn.so.0的版本）。 3. 解压cuDNN包到用户目录（例如~/cudnn/）。 4. 将解压后的lib目录添加到LD_LIBRARY_PATH。 然而，由于用户没有管理员权限，创建符号链接到系统目录（如/usr/lib）是不可能的。因此，只能通过设置LD_LIBRARY_PATH指向用户目录下的库文件。 另外，如果用户已经安装了cuDNN，但版本不对（比如是v7，而程序需要v3的libcudnn.so.0），那么可以尝试在用户目录下创建软链接，将libcudnn.so.7链接为libcudnn.so.0（但要注意兼容性问题，通常不推荐，因为不同版本的ABI可能不兼容）。所以更安全的方式是安装正确版本的cuDNN。 总结步骤（无root权限）： 1. 查找是否已有libcudnn.so.0： ```bash find ~ -name 'libcudnn.so.0*' ``` 2. 如果找到，则将该文件所在目录加入环境变量： ```bash export LD_LIBRARY_PATH=/path/to/dir:$LD_LIBRARY_PATH ``` 3. 如果没找到，则下载所需版本的cuDNN（例如cuDNN v6.0 for CUDA 8.0，注意选择与CUDA匹配的版本）： 下载地址：https://developer.nvidia.com/rdp/cudnn-archive (需要登录) 4. 下载后解压（通常是tgz文件）： ```bash tar -xzvf cudnn-8.0-linux-x64-v6.0.tgz # 示例，具体文件名根据下载的版本而定 ``` 解压后得到cuda文件夹，里面包含include和lib64。 5. 将解压的库文件路径添加到环境变量： ```bash export LD_LIBRARY_PATH=~/cuda/lib64:$LD_LIBRARY_PATH # 假设解压到~/cuda，实际上解压出来的文件夹是cuda，里面包含lib64 ``` 注意：如果之前没有设置过LD_LIBRARY_PATH，直接写`export LD_LIBRARY_PATH=~/cuda/lib64`也可以。 6. 然后运行python，尝试import torch。 注意：这种设置是临时的，只在当前终端有效。如果希望永久设置，可以将export命令添加到~/.bashrc或~/.bash_profile中，然后执行source ~/.bashrc。 但是，如果用户使用的是其他shell（如zsh），则应添加到对应的配置文件中（如~/.zshrc）。 另外，如果用户没有安装CUDA，那么还需要安装CUDA，但安装CUDA通常需要管理员权限。所以这里假设CUDA已经安装（因为错误是缺少cuDNN，而不是缺少CUDA）。 如果用户没有安装CUDA，那么需要先安装CUDA（同样，没有root权限可以通过下载runfile并使用--toolkitpath指定安装路径到用户目录）。但这个问题错误是cuDNN，所以我们先解决cuDNN。 考虑到用户环境，可能CUDA已经安装（因为服务器通常有CUDA，只是用户没有将库路径加入环境变量），所以也可以尝试将CUDA的lib64目录加入环境变量： export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH 但是，如果用户没有权限访问/usr/local/cuda（或者不在那里），那么就需要使用自己安装的版本。 因此，综合以上，为用户提供以下解决方案： 方案1：设置环境变量指向系统CUDA库（如果系统有安装且用户有读权限） 方案2：在用户目录安装cuDNN并设置环境变量 由于用户错误提示的是libcudnn.so.0，这是一个较旧的版本，现在服务器上可能安装的是新版本。所以建议先尝试方案1，再看方案2。 具体步骤： 步骤1：检查系统是否已经安装了CUDA，并找到cuDNN库的位置。 - 尝试：`ls /usr/local/cuda/lib64/libcudnn.so.0` 或类似路径（如/usr/local/cuda-8.0/lib64等） - 如果存在，则设置环境变量： export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH - 注意：如果用户没有读权限，则会失败，这时需要联系管理员或者使用方案2。 步骤2：如果系统没有安装，或者用户没有权限，则下载cuDNN并解压到用户目录，然后设置环境变量。 步骤3：如果上述都不行，考虑安装CUDA和cuDNN到用户目录（但CUDA安装需要依赖驱动，通常驱动需要root权限，所以可能不可行）。 由于用户提到是服务器，通常服务器会安装CUDA，所以先尝试方案1。 另外，引用[2]中提到了一些安装库的方法，但由于用户没有root权限，所以无法使用apt。因此，我们只能依赖环境变量设置。 所以，最终回答： </think> ### 解决 `ImportError: libcudnn.so.0` 错误的方案 该错误表明 PyTorch 运行时无法找到 NVIDIA cuDNN 动态库文件（版本为 `.so.0`）。由于您是**无管理员权限**的服务器用户，以下是专为非特权用户设计的解决方案： --- #### 步骤 1：确认 cuDNN 文件是否存在 在终端执行以下命令搜索 `.so.0` 文件： ```bash find ~/ -name "libcudnn.so.0*" 2>/dev/null ``` - 若找到路径（如 `~/cuda/lib64/libcudnn.so.0`），直接跳转**步骤 3** - 若未找到，继续步骤 2 --- #### 步骤 2：手动安装 cuDNN 到用户目录（无需 root） 1. **下载 cuDNN 旧版本**： 访问 [NVIDIA cuDNN 存档](https://developer.nvidia.com/rdp/cudnn-archive)（需注册），下载与服务器 CUDA 版本兼容的 `libcudnn.so.0` 对应包（通常为 cuDNN v3-v4）。 *示例：CUDA 8.0 需下载 cuDNN v5.1（含 `.so.0` 文件）* 2. **解压到用户目录**： ```bash tar -xzvf cudnn-*.tgz -C ~/ # 解压至用户根目录 mv ~/cuda ~/cudnn_install # 重命名避免冲突 ``` --- #### 步骤 3：设置用户级环境变量 编辑 `~/.bashrc` 或 `~/.bash_profile`： ```bash # 添加以下行（根据实际路径修改） export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/cudnn_install/lib64 ``` 使配置生效： ```bash source ~/.bashrc ``` --- #### 步骤 4：验证修复 启动 Python 并测试： ```python python -c "import torch; print(torch.cuda.is_available())" ``` 若输出 `True` 则修复成功。 --- #### 备选方案：符号链接兼容库 若服务器有新版本 cuDNN（如 `libcudnn.so.7`），可创建用户级软链接： ```bash # 在用户库目录操作 mkdir -p ~/lib && cd ~/lib ln -s /usr/lib/x86_64-linux-gnu/libcudnn.so.7 libcudnn.so.0 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/lib ``` > **注意**：cuDNN 版本需与 CUDA 兼容，可通过 `nvcc --version` 查看 CUDA 版本[^1]。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值