Ubuntu下给CuDNN降级

最新推荐文章于 2025-05-03 15:47:15 发布
最新推荐文章于 2025-05-03 15:47:15 发布
阅读量4.1k 收藏 2
点赞数 1
CC 4.0 BY-SA版权
文章标签： tensorflow
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。
本文链接：https://blog.youkuaiyun.com/Taneemy/article/details/79762569
本文介绍了当使用TensorFlow遇到CuDNN版本不匹配错误时的解决方案。通过卸载现有CuDNN并重新安装与代码匹配的版本来解决此问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.报错信息

tensorflow/stream_executor/cuda/cuda_dnn.cc:378] Loaded runtime CuDNN library: 7102 (compatibility version 7100) but source was compiled with 7004 (compatibility version 7000).  If using a binary install, upgrade your CuDNN library to match.  If building from sources, make sure the library loaded at runtime matches a compatible version specified during compile configuration.

2.解决思路

根据报错信息给出的内容是主要是从github上弄下来的代码编码使用的CuDNN（7.0.4）版本比安装的版本（7.1.2）低，那么通过对CuDNN进行降级就好。

3.操作内容

主要参考官方文档 ，然后根据安装时所选安装方式卸载CuDNN，当初我选的是dpkg 安装，使用dpkg -r  libcudnn7-doc  libcudnn7-dev libcudnn7，进入～/  目录把例子也给删了，接着按着教程安装两个deb，复制测试样例，最后运行成功。




Tane96
关注
Ubuntu下降级CUDNN
bug_code702的博客
09-21 539
在Ubuntu上进行CUDNN降级可能是在某些情况下必要的，例如与深度学习框架的兼容性问题或硬件限制。本文将介绍在Ubuntu上如何降级CUDNN，并提供相应的源代码。接下来，我们需要下载旧版本的CUDNN库。你可以从NVIDIA的官方网站上找到以前版本的CUDNN库。最后，我们需要配置环境变量，以便系统可以正确找到安装的CUDNN库。这将把CUDNN库的头文件和库文件复制到相应的系统路径中，并设置适当的权限。首先，我们需要卸载当前安装的CUDNN库。这将卸载当前安装的CUDNN库。步骤4：配置环境变量。
Ubuntu系统下安装CUDA和CUDNN教程
Science prince的博客
08-28 1367
接下来我又添加CUDA10.0的环境变量，重启，此时tensorflow1.13和tensorflow2.0.0又可以1使用了，然后我又通过添加CUDA9.0环境变量，重启，这时tensorflow1.9又可以使用了。所以如果需要在一台电脑上安装多个版本的CUDA和cudnn是完全可行的，由于Linux上面的配置教程很多，这里就不讲了，本文以windows为例来说明，网上有很多在Linux下面的CUDA的切换，其实都是通过环境变量的设置与配置来实现的，但是window这一点坐的很方便，
ubuntu下对cudnn进行降级
zhaoguanhua的博客
10-24 1133
在ubuntu新系统下配置深度学习环境，安装了cuda10.2+cudnn8.0+tensorflow2.2.0,使用tf.test.gpu.is_avialiable()时返回为false。检查cuda和cudnn都安装正确，网上有说可能是tensorflow版本和cudnn不一致导致的。尝试将cudnn8.0降级到7.0. 1、卸载cudnn8.0 我是使用debian的安装方式，使用dkpg -r卸载，首先使用dpkg -l查看具体的安装名字 sudo dpkg -l | grep cudnn 然后使
在ubuntu服务器下安装低版本cuda，降级 GCC+runfile（笔记）
最新发布
m0_73177436的博客
05-03 915
在尝试了在conda环境下安装cudatoolkit和cudnn后，发现不行，需要在环境下配置cuda为了不影响驱动cuda，准备通过安装后配置环境的方式调用cuda。我需要做的是在ubuntu22.04在我的用户环境下配置cuda10.1，gcc需求是7，本文章采用的方案主要是降级 GCC +runfile。
ubuntu18 CUDA版本降级
shimmer_ghq的博客
11-23 9968
用别人的代码训练模型时，由于tensorflow-gpu版本太高，报了很多错，一个个改太麻烦，所以直接降级。tensorflow降级为1.14，与此同时也要换成对应版本的CUDA和cuDNN。 1.tensorflow-gpu降级 pip uninstall tensorflow-gpu pip install tensorflow-gpu==1.14 2.gcc降级 我的服务器本身好像是gcc10.几，现在降到5.5 cd /usr/bin sudo rm gcc sudo ln -s gcc-5 gc
ubuntu22.04降级安装CUDA11.3
gls_nuaa的博客
01-10 1123
ubuntu22.04原CUDA12.1降级安装11.3
Ubuntu 22.04 gcc降级及安装cuda 10.1
weixin_42570231的博客
11-13 2112
ubuntu22.04支持cuda10.7以上的版本，而在一些情况下我们需要用到低级的cuda版本，本文以用ubuntu22.04安装cuda10.1为例。而在ubuntu中最主要的是gcc的变化，我们需要7.5+的gcc，而一般情况下ubuntu22.04只有gcc 11和gcc 12，本文首先教大家如何对gcc进行降级。
ubuntu安装cuda cudnn,节约你的时间,ubuntu内核降级支持(亲自编写，有效期永久)
weixin_41648996的博客
09-12 1820
首先,介绍下流程,第一步需要把ubuntu的内核(kernel版本)降级到cuda要求的版本,具体的版本要求参考官网介绍，nvidia安装cuda指南--https://docs.nvidia.com/cuda/cuda-installation-guide-linux/#axzz4HIBXnwyt。 Ubuntu内核版本的回退降级，需要下载相应的版本deb包，下载地址为：http:...
Ubuntu 20.04 CUDA&cuDNN安装方法(图文教程)
09-14
登录后下载解压，将`cuda/include/cudnn.h`复制到`/usr/local/cuda/include`目录，将`cuda/lib64`下的所有文件复制到`/usr/local/cuda/lib64`，并设置文件权限： ```bash sudo chmod a+r /usr/local/cuda/include/...
ubuntu20.04系统服务器本机安装，显卡驱动，gcc降级安装cuda9.2教程
qq_37992458的博客
07-29 1282
ubuntu20.04重装系统及环境配置 1、制作启动盘 首先去官网ubuntu系统下载官网下载需要的系统文件，准备一个空的u盘做为启动u盘 mac电脑做启动盘不需要安装额外工具，参考mac制作lnux启动盘，注意要先格式化u盘。 win电脑需要下载安装额外的工具，自己百度。 2、安装ubuntu20.04系统 网上搜索很多关于ubuntu系统的安装都是在虚拟机中进行的，这里是在服务器本机中进行，先将u盘插入服务器的usb接口中（为防止数据丢失，硬盘已拔出），重启机器，按F12进入BOOT启动选项（dell
Ubuntu20.04下更换CUDA版本
Netceor的博客
03-07 8778
查看版本为10.1nvcc -V依次运行如下命令删除对应的cuda文件夹查看并卸载剩余残留查看删除所有残留再次查看，发现已经没有CUDA了。
gcc降级，cuda卸载.odt
06-30
ubuntu20.4 gcc g++ 降级操作方法，卸载CUDA的方法
低版本CUDA安装/多版本切换/用户级CUDA安装
zoetu
05-09 1万+
在CUDA11.6的本机上，以安装CUDA10.2为例演示低版本CUDA安装和Torch1.7.1安装
wsl linux CUDA安装、卸载、清理、版本降级、升级过程详解
AIGIS的博客
01-03 2805
本文详细讲述了wsl linux环境下（Ubuntu）CUDA的安装、卸载、清理、版本降级、升级过程，对整个过程中的命令进行了详细的解释，是自己的实践经验，也希望对读者有所帮助，回见~
Ubuntu22.04.4降级到底版本
Hero_Never_GIVE_UP的博客
03-08 6756
Linux22.04.4内核降级
当cuda版本安装错误怎么降级linux/wsl
m0_51638271的博客
02-04 1997
当cuda版本安装错误怎么降级linux/wsl
ubuntu18.04 降nvidia驱动版本笔记
ningdongdemao的博客
01-03 1408
ubuntu18.04 降nvidia驱动版本记录
ubuntu下安装多版本cuda及版本切换教程
热门推荐
zeeq的博客
10-27 3万+
首先，从官网下载所需版本的cuda安装包，下载链接。选择对应版本后，会跳转到该版本的配置信息页面。比如我是ubuntu20.04系统，已经安装好了cuda10.0，但是现在还需要用到cuda9.0。那么，在选定版本后，配置信息如下图所示（由于Version选项中没有20.04，因此我们随便选一个即可，这里选的16.04，这一选项不会影响后面的安装），Installer Type选择为runfile（因为使用deb文件进行安装的话，可能会将已经安装的较新的显卡驱动给替换掉），选择好之后点击Base Insta
Ubuntu切换不同版本的cuda
Airs-Gao的博客
08-21 2979
Ubuntu切换不同版本的cuda
Ubuntu安装cuda cudnn 宝宝
03-27
### 配置 CUDA 和 cuDNN 的详细步骤 在 Ubuntu 系统中正确配置 CUDA 和 cuDNN 是实现 GPU 加速深度学习的关键步骤。以下是详细的指导： #### 1. 查看显卡信息 为了确保安装的驱动程序和 CUDA 版本与显卡兼容，首先需要确认系统的显卡型号。可以通过以下命令获取显卡信息： ```bash lspci | grep VGA ``` 该命令会显示当前计算机使用的图形处理器及其制造商信息[^4]。 #### 2. 卸载旧版 NVIDIA 显卡驱动 如果系统已经安装了旧版本的 NVIDIA 显卡驱动，则需先将其完全卸载以避免冲突。运行以下命令完成卸载过程： ```bash sudo apt-get remove --purge nvidia* sudo apt autoremove ``` 这一步骤能够清理掉之前可能存在的任何残留文件或设置。 #### 3. 安装最新的 NVIDIA 显卡驱动 访问官方 NVIDIA 下载页面 (https://www.nvidia.com/Download/index.aspx)，根据实际硬件条件挑选合适的驱动包进行下载并安装。或者也可以利用 PPA 方式自动更新至最新稳定版驱动器： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update sudo ubuntu-drivers autoinstall reboot ``` 以上脚本将会扫描本地设备状况，并推荐最适合当前平台需求的最佳选项之一作为默认值来部署新驱动程序。 #### 4. 下载并安装目标版本的 CUDA Toolkit 前往 NVIDIA 官方网站找到适合的操作系统架构下的特定发行号链接地址后执行下列指令序列即可顺利完成整个工具链环境搭建工作流程。 对于大多数现代框架而言建议至少采用较新的主流分支如 `CUDA 11.x` 或更高版本除非有特殊原因才考虑降级使用更早时期的产物比如这里提到过的例子即为其中之一(`CUDA 10.1`)。 注意：请务必仔细阅读每一页上的说明文档因为不同子系列间可能存在细微差异甚至重大改动之处都需要开发者自行调整适应才行哦！ ##### 方法A - 使用.run 文件手动安装 从官网上选取对应平台类型的二进制可执行档(.run file),接着依照提示逐步前进直到结束为止. 假设我们已将名为"cublas-tuning-archive-linux-x86_64.tar.xz"这样的压缩档案放置于用户主目录之下那么就可以这样继续下去啦: ```bash cd ~/ tar xf cublas-tuning-archive-linux-x86_64.tar.xz chmod +x cuda*.run sudo ./cuda*.run --override # 如果遇到依赖错误尝试加上--override参数强制覆盖解决部分问题 source ~/.bashrc # 让更改立即生效无需重启shell session nvcc --version # 测试编译器是否正常运作 ``` ##### 方法B - 利用APT仓库快速部署 某些情况下可以直接借助软件源管理机制简化操作难度同时也便于日后维护升级等工作开展起来更加方便快捷些呢! ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu$(lsb_release -sr|sed 's/\..*//')/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get install -y cuda-toolkit-11-7 # 替换为你想要的具体编号组合形式例如这里是针对Ubuntu20.04 LTS设计好的预设方案而已并非固定不变噢~ ``` #### 5. 设置环境变量PATH与LD_LIBRARY_PATH 为了让系统识别刚安裝完毕的新组件还需要适当修改几个重要的全局路径定义项如下所示: 编辑个人专属启动脚本~/.bashrc追加几行内容进去: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 保存退出后再重新加载一遍刚才所做的变动效果就会显现出来了哟！ ```bash source ~/.bashrc echo $PATH # 检查新增加的部分是否存在其中 which nvcc # 应返回/usr/local/cuda/bin/nvcc位置证明有效果咯～ ``` #### 6. 验证CUDA安装状态 最后可通过编写一个小样例验证一下整体功能是否一切顺利无误吧？ 创建test.cu文件写入下面这段简单的hello world代码片段试试看呗😊 ```cpp #include <stdio.h> __global__ void kernel(void){ } int main(){ printf("Hello World from CPU!\n"); kernel<<<1,1>>>(); printf("Hello World from GPU via CUDA Kernel Execution.\n"); return 0; } ``` 然后依次按照顺序处理直至最终成果展示出来为止😉 ```bash nvcc test.cu -o test.out # 编译生成可执行文件 ./test.out # 执行查看输出结果对比预期相符则大功告成🎉🎊 ``` #### 7. 安装cuDNN库 下载适用于所选CUDA版本的相应cuDNN SDK压缩包之后解压复制必要头文件及动态共享对象到指定目录结构当中去就可以了哈😎 ```bash sudo cp include/cudnn*.h /usr/local/cuda/include/ sudo cp lib/*libcudnn.so* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn.so* ``` 记得再次刷新缓存使得应用程序能及时发现这些变化喔👍 ```bash ldconfig ``` 至此你应该已经在自己的Ubuntu工作站上面成功构建起了完整的基于NVIDIA技术栈支持的人工智能开发生态环境啦👏👏👏接下来就尽情享受探索未知世界的乐趣时刻吧💪🔥 ---
评论
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