采用tensorflow-gpu版本时出现:libcudnn.so.6:cannot open sharedobject file: No such file or directory

本文针对Linux环境下Ubuntu16.04系统,已安装cuda8.0和tensorflow - gpu 1.4版本,运行时出现找不到libcudnn.so.6文件的报错问题进行分析。指出问题原因在于cudnn版本或未安装好,给出安装cudnn6.0的解决方法及相关下载和安装步骤链接。

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

最新解决办法:

For this error
ImportError: libcudart.so.7.0: cannot open shared object file: No such file or directory

I have executed this command to solve it
 

sudo ldconfig /usr/local/cuda/lib64

下面的解决办法是以前的,我发现在新的电脑上没有作用!

 

我先说明我的问题,再说我怎么解决的。

我的问题描述:在linux环境,ubuntu16.04系统,已经安装了cuda8.0,tensorflow-gpu版本为1.4

运行时报错: libcudnn.so.6:cannot open sharedobject file: No such file or directory

我看网上的解释都是说tensorflow版本和cuda不对应,但我更换了tensorflow版本从1.2到1.5均报错,而根据说明tensorflow1.4对应的cuda版本就应该是8.0,那为什么出错在找6.0呢?

问题原因:问题不在于cuda版本,而在于cudnn版本,或者cudnn没有装好。

解决方法:安装cudnn6.0

安装cudnn6.0步骤:

cudnn下载链接:

https://developer.nvidia.com/rdp/cudnn-archive

下载下面这一个解压,然后根据下面链接步骤安装:

安装cudnn6.0步骤:

https://blog.youkuaiyun.com/Teeyohuang/article/details/79660547

实测:能够调用GPU,运行无报错,问题解决。

时间:2018-8-30

 

如果遇到相同问题,欢迎留言

 

下面再记录一下安装cuda8.0链接:(和本问题无关,个人记录)

安装cuda8.0步骤:

https://blog.youkuaiyun.com/u010837794/article/details/63251725

cuda8.0下载链接:

https://developer.nvidia.com/cuda-80-download-archive

<think>嗯,用户遇到了PyTorch配置中libcudnn.so.8找不到的问题,这应该和CUDAcuDNN版本有关。首先,我得确认这个错误的具体原因。根据引用[1]和[3],类似的错误是因为缺少对应的cuDNN库文件,或者版本不匹配。用户提到的是libcudnn.so.8,而之前的例子中是libcudnn.so.7,说明这次问题可能涉及cuDNN 8.x版本。 接下来,我应该检查用户安装的PyTorch版本是否与CUDA版本兼容。引用[2]指出版本冲突会导致类似错误,所以需要确认PyTorch安装指定的CUDA版本是否和系统安装的一致。例如,如果用户通过conda安装了PyTorch,可能需要使用conda install命令指定正确的cudatoolkit版本。 然后,考虑cuDNN是否正确安装cuDNN需要手动下载并放置到CUDA的目录中,或者通过包管理器安装。如果用户从NVIDIA官网下载了cuDNN,可能需要解压后复制到CUDA的对应路径下,比如/usr/local/cuda/lib64,并确保有读取权限。此外,环境变量如LD_LIBRARY_PATH是否包含cuDNN的库路径也很重要,否则系统可能找不到这些共享库。 另外,用户可能没有正确安装CUDA本身。引用[4]提到未安装CUDA导致类似问题,所以需要确认CUDA是否已安装版本是否匹配。使用nvcc --version或nvidia-smi查看CUDA版本。如果CUDA版本与PyTorch要求的cuDNN版本不匹配,比如PyTorch需要cuDNN 8对应CUDA 11.x,而用户安装CUDA 10.x,就会出问题。 可能的解决步骤包括:1. 检查CUDA版本,2. 安装对应版本cuDNN,3. 重新安装PyTorch指定正确的CUDA版本,4. 设置环境变量。此外,用户可能还需要通过软链接修复库文件路径,比如如果系统中有libcudnn.so.8.0.x,创建libcudnn.so.8的符号链接。 最后,确保用户操作后验证安装是否成功,比如运行Python脚本检查torch.cuda.is_available()和测试CUDA功能是否正常。如果问题依旧,可能需要进一步检查安装步骤或寻求社区支持。</think>### 分步解决方案 #### 1. **确认CUDA与PyTorch版本兼容性** - **检查PyTorch安装命令**:确保安装的PyTorch版本CUDA版本匹配。例如: ```bash # 若CUDA版本为11.x,安装对应PyTorch版本 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 具体版本对应关系参考[PyTorch官方文档](https://pytorch.org/get-started/previous-versions/)[^2]。 - **验证CUDA安装**: ```bash nvcc --version # 查看CUDA版本 nvidia-smi # 查看GPU驱动及支持的CUDA版本 ``` 若未安装CUDA,需先安装对应版本(如CUDA 11.x对应cuDNN 8.x)[^4]。 #### 2. **安装或修复cuDNN** - **从NVIDIA官网下载cuDNN**: 1. 访问[NVIDIA cuDNN下载页](https://developer.nvidia.com/cudnn)(需注册账号)。 2. 选择与CUDA版本匹配的cuDNN版本(如CUDA 11.x对应cuDNN 8.x)。 - **手动安装cuDNN**: ```bash tar -xzvf cudnn-11.x-linux-x64-v8.x.x.x.tgz # 解压文件 sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 确保文件权限正确[^3]。 #### 3. **设置环境变量与符号链接** - **更新库路径**: ```bash export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 可将该命令添加到`~/.bashrc`中永久生效。 - **创建符号链接(若文件存在但名称不匹配)**: ```bash cd /usr/local/cuda/lib64 sudo ln -s libcudnn.so.8.x.x libcudnn.so.8 # 替换x.x为具体版本号 sudo ldconfig # 更新动态链接库缓存 ``` #### 4. **验证修复结果** - **运行PyTorch测试脚本**: ```python import torch print(torch.__version__) # 确认PyTorch版本 print(torch.cuda.is_available()) # 应输出True print(torch.zeros(1).cuda()) # 测试CUDA张量操作 ``` - **检查libcudnn.so.8加载状态**: ```bash ldd /path/to/torch/lib/libc10_cuda.so | grep cudnn # 检查依赖链 ``` --- ### 相关问题 1. **如何检查CUDA与PyTorch版本是否兼容?** 2. **手动安装cuDNN后如何避免权限问题?** 3. **PyTorch提示`CUDA out of memory`错误可能原因?** [^1]: ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory : OSError: ... libcublas.so.11: symbol free_gemm_select version libcublasLt.so.11 not defined [^3]: Could not load dynamic library 'libcudnn.so.7'; dlerror: libcudnn.so.7: cannot open shared object file [^4]: OSSER:libcurand.so.10 ... 板子连CUDA都没有装
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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