If using a binary install, upgrade your CuDNN library to match.

最新推荐文章于 2023-12-26 09:20:11 发布
原创 最新推荐文章于 2023-12-26 09:20:11 发布 · 4.2k 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：

#GPU ubuntu 16.04 #tensorflow

本文介绍了解决TensorFlow GPU版本升级后与cuDNN版本不匹配的问题。通过从NVIDIA官网下载并安装正确的cuDNN版本，确保与TensorFlow编译时使用的cuDNN版本一致，从而避免运行时出现错误。
部署运行你感兴趣的模型镜像

升级tensorflow_gpu-0.11 到tensorflow_gpu-0.12后，运行gpu相关程序，会出现如下error：

E tensorflow/stream_executor/cuda/cuda_dnn.cc:378] Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with 5105 (compatibility version 5100).  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.

意思是，当前的调用的cuDNN库是cuDNN-5.0， 但是tensorflow源是由cuDNN-5.1编译的，版本不匹配，因此需要升级cuDNN 到5.1


升级方法就是去NVidia官网下载 cuDNN-5.0 （我的是cuda-8.0支持的cuDNN5.0），然后按照官网方法复制或移动文件到/usr/local/cuda-8.0/ (我的文件存放结构)下

$ sudo mv include/cudnn.h /usr/local/cuda-8.0/include/
$ sudo mv lib/libcudnn*  /usr/local/cuda-8.0/lib64
$ sudo ln -s  /usr/local/cuda-8.0/lib64/libcudnn* /usr/local/cuda/lib64/


升级后，直接运行程序即可，不需要编译tensorflow-0.12源码




您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

《Python基础教程》内容总览篇（持续更新中）
weixin_43178406的博客
08-26 31万+
大家好，我是爱编程的喵喵。双985硕士毕业，现担任全栈工程师一职，热衷于将数据思维应用到工作与生活中。从事机器学习以及相关的前后端开发工作。曾在阿里云、科大讯飞、CCF等比赛获得多次Top名次。现为优快云博客专家、人工智能领域优质创作者。喜欢通过博客创作的方式对所学的知识进行总结与归纳，不仅形成深入且独到的理解，而且能够帮助新手快速入门。个人精心开设的《Python基础课程》专栏订阅量接近900，帮助不少同学解决了Bug。
Loaded runtime CuDNN library: 7500 (compatibility version 7500) but source was compiled with 7004
wukai0909的博客
07-27 1741
wu@wu-X555LF:~/YOLOv3_TensorFlow-master$ python video_test.py ./data/demo_data/video.mp4 2019-07-26 23:20:59.087061: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instruction...
cudnn升级方法，解决CuDNN版本不兼容问题
凡心所向.AI
09-24 1万+
运行代码时出现： 32/1109 [..............................] - ETA: 12:41 - loss: 3.4072 - accuracy: 0.0000e+002020-09-24 02:47:25.341531: E tensorflow/stream_executor/cuda/cuda_dnn.cc:319] Loaded runtime CuDNN library: 7.5.1 but source was compiled with: 7.6.4. C.
win10+MX350+CUDA+TensorFlow 安装
jackrma的博客
12-23 5122
本人电脑小新pro13 ，显卡MX350 （结论在最后，过程可以跳过） 之前只用过CPU跑TensorFlow,速度太慢了，想尝试下用自带的显卡跑 刚开始参考过这个帖子https://blog.csdn.net/m0_37867091/article/details/105788637，但是他是跑PyTorch，我目前只涉及TensorFlow。 按照他的方法，安装配置是CUDA v10.2 ,cuDNN v7.6.5。 但是安装完成后才发现，目前TensorFlow官方只支持CUDA v10.1
TensorFlow和keras报错解决 This is probably because cuDNN failed to initialize, so try looking to see if a
凛夏的博客
11-19 3805
在运行程序时遇到一个问题 控制台显示错误： Loaded runtime CuDNN library: 8.0.4 but source was compiled with: 7.6.5. CuDNN library major and minor version needs to match or have higher minor version in case of CuDNN 7.0 or later version. If using a binary install, upgrade y..
GPU报错upgrade your CuDNN library to match
Candy_GL的博客
03-07 2594
在使用CNN时，报错：Loaded runtime CuDNN library: 7100 (compatibility version 7100) but source was compiled with 7000(compatibility version 7000).  If using a binary install, upgrade your CuDNN library to matc...
训练神经网络报错Upgrade your CuDNN library to match问题的详细解决过程
Invokar的博客
04-30 2633
Upgrade your CuDNN library to match 装过TensorFlow GPU版本的萌新可能以为自己的CuDNN已经装好了，其实未必，因为今天我发现了一个问题，而在之前都没出现过。 报错内容： Loaded runtime CuDNN library: 7102 (compatibility version 7100) but source was compil...
Tensorflow的大坑：Win10（Anaconda）下CuDNN library: 7.1.4 but source was compiled with: 7.2.1解决方案
Tilamy的博客
03-17 5200
Tensorflow的大坑：Win10（Anaconda）下CuDNN library: 7.1.4 but source was compiled with: 7.2.1解决方案 问题来源 安装Keras的时候，tensorflow已经装了好久，两者之间不兼容。因为博主是一个没事就喜欢搞事的人，特别想尝一尝keras的味道，于是乎，博主只能哭着进行了Tensorflow-gpu的卸载与重装。...
TensorFlow学习笔记--GPU报错upgrade your CuDNN library to match
骆驼分析师的博客
02-15 6398
在我使用线性回归做例子的时候GPU能正常运行，但在使用CNN时，神奇的事情发生了： Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with 5105 (compatibility version 5100).  If using a binary install, u
TensorFlow学习笔记（6）--GPU报错（cuDNN版本该升级了）
对角巷
03-09 4209
在跑TensorFlow学习笔记（5）–基于MNIST数据集的卷积神经网络 代码的时候，出现了GPU报错的情况，确切来说应该是cuDNN版本太低的问题，我之前装的是v5.0版的，所以现在是需要换个5.1的意思喽0.0,这里也顺便给出cuDNNv5.1版本下载地址，懒得申请就直接云盘拿吧
Loaded runtime CuDNN library,揭露NVIDIA的阴谋!!!
qq_42925267的博客
02-18 379
Loaded runtime CuDNN library,揭露NVIDIA的阴谋!!! 过了一个大年，嘻哈哈！小红包，大红包，各种相亲！！ 一个月没动电脑，再打开跑个模型装个脸，出错了，亚撒西！！ 如果你也一样，那就看下去吧。。。 这种情况简直不可能，我可是严格按照nvidia指导操作： 注：我的环境配置为：tensorlfow1.10+cuda9.0+python3.6+keras2.2.4 我做过的尝试如下： 1.重装cudnn7.6.5 for cuda9.0； 2.关闭cmd，再来一遍； 3.重
Loaded runtime CuDNN library: 8.0.5 but source was compiled with: 8.1.0
qq_43964756的博客
03-03 2540
Loaded runtime CuDNN library: 8.0.5 but source was compiled with: 8.1.0项目场景：问题描述：原因分析：解决方案： 项目场景： 在docker中运行tensorflow相关项目 RTX3060 cuda 11.2 cudnn 8.0.1 问题描述： 运行时报错 Loaded runtime CuDNN library: 8.0.5 but source was compiled with: 8.1.0 原因分析： 开始安
讲解Loaded runtime CuDNN library: 7102 (compatibility version 7100) but source was compiled with 7004
牛肉胡辣汤
12-26 258
主要的 CuDNN 版本经历了不断的演进和发展，以提供更好的性能和更多的功能。警告信息 "Loaded runtime CuDNN library: 7102 (compatibility version 7100) but source was compiled with 7004" 意味着已加载的 CuDNN 库的版本是 7102，但源代码是使用 7004 版本编译的。因此，在更新或重新编译 CuDNN 库时，我们应该查看框架的文档或社区，确保所选择的 CuDNN 版本与框架和模型的要求相匹配。
CUDNN 安装教程
qq_29650553的博客
07-13 2856
CUDNNDU-08670-001_v07 | November 2017Installation Guidewww.nvidia.comcuDNN DU-08670-001_v07 | iiTABLE OF CONTENTSChapter 1. Overview.......................................................................
runtime CuDNN library: 8.0.5 but source was compiled with: 8.1.0 解决方法
weixin_47491668的博客
06-23 1570
解决tensorflow加载cudnn报错 Loaded runtime CuDNN library: 8.0.5 but source was compiled with: 8.1.0.
Keras/tensorflow出现‘Loaded runtime CuDNN library: 7.0.5 but source was compiled with: 7.1.14’错误的解决办法...
weixin_33722405的博客
12-25 539
从tensorflow1.10 升级到1.12版本后，对依赖的CuDNN不兼容产生的问题。鉴于一直使用的是Keras，未使用新版本tensorflow的功能，故果断回退到旧版本。 方法为：pip3 install --index-url http://pypi.douban.com/simple --trusted-host pypi.douban.com --upgrade --fo...
Ubuntu 16.04 深度学习环境快速安装（NVIDIA驱动+cuda+cuDNN）
quanwei的博客
03-09 693
该博客安装驱动已经各个驱动以及应用，主要应用到shell语言，主要使用.sh文件来进行安装，简化安装过程。首先需要下载快速安装需要的包。 Ubuntu 环境(显卡驱动、cuda、cuDNN)快速配置包-优快云下载 0.权限设置、文件移动 打开init_install文件夹，右击选择Open in Terminal。运行如下程序 sudo chmod +x step0.sh step1...
降低cudnn版本
qq_40636392的博客
04-03 3171
cudnn版本降级 在运行代码时报错： Loaded runtime CuDNN library: 7450 (compatibility version 7400) but source was compiled with 7005… If using a binary install, upgrade your CuDNN library to match. 按照提示应该是需要更低版本的C...
Tensorflow的CUDA升级，以及相关配置
热门推荐
lenbow的博客
08-04 1万+
本文主要介绍Tensorflow在unbuntu下的cuda升级以及一些相关配置–GPU，cuDNN，Cuda SDK。目的是为了解决安装完成tensorflow之后在使用过程中想调整上述相关设置，比如禁用GPU、升级cuda等
W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudnn64_8.dll'; dlerror: cudnn64_8.dll not found 2025-03-23 22:04:50.991835: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1850] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform. Skipping registering GPU devices... 2025-03-23 22:04:50.992720: I tensorflow/core/platform/cpu_feature_guard.cc:151] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2 To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
最新发布
03-24
<think>好的，用户遇到了TensorFlow中无法加载cudnn64_8.dll的问题。我需要先了解这个错误的原因。根据引用[2]中的类似情况，当TensorFlow找不到特定的CUDA动态链接库时，会提示类似错误。比如，用户之前遇到的是cudart64_110.dll未找到的问题，而现在是cudnn64_8.dll，这属于CUDA和cuDNN组件的问题。 首先，应该检查用户安装的TensorFlow版本与CUDA、cuDNN版本是否匹配。因为不同版本的TensorFlow需要特定版本的CUDA和cuDNN支持。例如，TensorFlow 2.5可能需要CUDA 11.2和cuDNN 8.1。用户需要确认自己安装的版本是否对应。根据引用[3]，用户可以通过代码查看TensorFlow版本，然后查阅官方文档确认所需的CUDA和cuDNN版本。 接下来，用户需要验证CUDA和cuDNN是否正确安装。可以检查环境变量PATH是否包含CUDA和cuDNN的路径。有时候即使安装了这些组件，如果路径未正确设置，系统也无法找到相应的dll文件。引用[2]中的警告信息也提到动态库加载失败，可能原因就是路径问题。 另外，用户可能没有安装cuDNN，或者安装的cuDNN版本不正确。cuDNN需要手动从NVIDIA官网下载，并解压到CUDA的安装目录中。如果用户漏掉了这一步，就会导致缺少cudnn64_8.dll。需要指导用户正确安装cuDNN，并确保文件放置的位置正确。 如果用户的环境变量没有问题，版本也匹配，可能需要重新安装或更新显卡驱动。过时的驱动可能无法兼容新版本的CUDA，导致dll加载失败。此外，用户还可以尝试重新安装TensorFlow，指定与当前CUDA环境匹配的版本，比如使用pip install tensorflow-gpu==x.x.x，如引用[4]中提到的解决方案那样，虽然那个例子是针对SSE4.2警告的，但方法类似。 最后，用户如果没有GPU，可能会误装了GPU版本的TensorFlow，这时应安装CPU版本。不过根据错误提示，用户应该是有GPU的环境，否则可能不会出现这个特定的dll缺失问题。但这也是一个需要考虑的可能性。 总结解决步骤：确认版本兼容性，检查CUDA和cuDNN安装及路径，安装正确的驱动，必要时重新安装TensorFlow。同时，参考官方文档和社区资源，比如TensorFlow官网的版本对应表格，确保所有组件版本一致。</think>针对TensorFlow中无法加载`cudnn64_8.dll`的问题，以下是分步解决方案： ### 1. 验证TensorFlow与CUDA/cuDNN版本兼容性 - **检查TensorFlow版本**： ```python import tensorflow as tf print(tf.__version__) # 例如输出：2.10.0 [^3] ``` - **查阅官方版本对照表**： - TensorFlow 2.10需要CUDA 11.2和cuDNN 8.1 - TensorFlow 2.6需要CUDA 11.2和cuDNN 8.1 - 其他版本参考[TensorFlow官网文档](https://www.tensorflow.org/install/source_windows) ### 2. 安装正确的CUDA Toolkit - **下载对应版本**： - CUDA 11.2下载地址：[NVIDIA CUDA Toolkit Archive](https://developer.nvidia.com/cuda-toolkit-archive) - 安装时勾选“添加到系统环境变量”选项 - **验证安装**： ```bash nvcc --version # 应显示对应版本号 ``` ### 3. 安装并配置cuDNN - **下载对应版本**： - 访问[NVIDIA cuDNN下载页面](https://developer.nvidia.com/rdp/cudnn-archive)（需注册账号） - 选择与CUDA版本匹配的cuDNN（例如CUDA 11.2对应cuDNN 8.1） - **手动复制文件**： 1. 解压下载的cuDNN压缩包 2. 将`bin`、`include`、`lib`文件夹中的内容复制到CUDA安装目录（如`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2`） ### 4. 配置系统环境变量 - **添加以下路径**（根据实际安装位置调整）： ``` C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64 ``` ### 5. 验证GPU支持 - **运行诊断脚本**： ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) # 应显示GPU信息 ``` - **若仍报错**： - 更新NVIDIA显卡驱动至最新版本 - 重启系统使配置生效 ### 6. 替代解决方案 - **使用Docker容器**（避免本地环境配置）： ```bash docker pull tensorflow/tensorflow:latest-gpu ``` - **安装CPU版本**（若无GPU需求）： ```bash pip install tensorflow-cpu ```
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