Nach dem Bau TensorFlow von der Quelle, sehen libcudart.so und libcudnn Fehler
Baue ich TensorFlow aus dem source-code. Der build scheint erfolgreich zu sein; aber wenn meine TensorFlow Programm ruft import tensorflow
eine oder beide der folgenden Fehlermeldungen angezeigt:
ImportError: libcudart.so.8.0: cannot open shared object file: No such file or directory
ImportError: libcudnn.5: cannot open shared object file: No such file or directory
CudNN sehr wahrscheinlich zu sein, fehlt oder ist nicht richtig verlinkt
welche version von TensorFlow war das?
welche version von TensorFlow war das?
InformationsquelleAutor Barry Rosenberg | 2017-02-02
Du musst angemeldet sein, um einen Kommentar abzugeben.
Ersten, für die folgenden Fehler:
stellen Sie sicher, dass Ihre
LD_LIBRARY_PATH
umfasst Ihrelib64
Verzeichnis, in welchem Pfad der Installation der cuda-Paket. Sie können dies tun, indem einexport
Linie in Ihrem.bashrc
. Für Omar, es sah aus wie die folgenden:Für mich, ich hatte zu tun, Omar s line und auch:
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/
da habe ich zwei Verzeichnisse mit cuda (wahrscheinlich nicht die beste).
Zweiten, sind Sie sicher, dass Sie installiert cuDNN? Beachten Sie, dass dies unterscheidet sich von der regulären cuda-Paket. Sie müssen sich registrieren, dann herunterladen und installieren Sie das Paket von der folgenden Seite:
https://developer.nvidia.com/cudnn
Dritten, ich hatte das gleiche problem:
Es stellt sich heraus, es gibt keine
libcudnn.5
in meinem/usr/local/cuda/lib64
oder/usr/local/cuda-8.0/lib64
Verzeichnisse. Jedoch, ich habe einlibcudnn.so.6.*
- Datei. Um das problem zu lösen, habe ich ein soft-link:in meinem
/usr/local/cuda/lib64
- Verzeichnis. Jetzt funktioniert alles bei mir. Ihr Verzeichnis kann unterschiedlich sein, wenn Sie bereitscuDNN
, und Ihrelibcudnn.so.6.*
möglicherweise eine andere version, so überprüfen, dass.wahrscheinlich temporär. Ich benutze auch 14.04 und ich war in der Lage, um es herunterzuladen. Habe es nur gestern.
Werke gor zu mir, außer ich habe das mit dem Befehl export LD_LIBRARY_PATH=/usr/local/lib:${LD_LIBRARY_PATH} ändern Sie die Umgebungsvariable.
InformationsquelleAutor Luis Valle
Stieß ich auf das gleiche Problem
Habe ich installiert cudnn 6.0, während es muss
libcudnn.so.5
er, offenbar nicht finden konntelibcudnn.so.5
. Es scheint, dass Ihre tensorflow muss cudnn 5.x so installieren Sie cudnn 5.xStellen Sie sicher Sie bereits installiert haben, cuda 8.0 exportiert und die
PATH
undLD_LIBRARY_PATH
Installieren cudnn 5.x, versuchen Sie die folgenden Befehle
Extrahieren Archivdateien
Überprüfen Sie die Dateien
Hier sehen Sie 2 symbolischen link-Dateien, und kopieren Sie einfach
libcudnn.so.5.1.10
undlibcudnn_static.a
zu/usr/local/cuda/lib64
Machen symbolischen link-Dateien
Kopieren
cudnn.h
iminclude
Verzeichnis/usr/local/cuda/include
Hoffe, es wird dir helfen!
wie haben Sie download der
cudnn-8.0-linux-x64-v5.1.tgz
?Ich habe die Datei von der nvidia-website. Ich habe bereits als Mitglied registriert. Ich dint bemerkt, dass
include
Ordner war es nach Extraktion. Ich machte es Arbeit. Danke.Für mich auf Ubuntu 16.04 + Gtx 660 + CUDA 8.0, @AlexanderYau thx
InformationsquelleAutor GoingMyWay
Ich fest das nur das hinzufügen der cuda-Pfad zu meiner .bashrc
Nur im Hinterkopf haben, dass Sie zuerst gehen müssen, um nvidia Deep Learning Seite registrieren und download cuDNN, extrahieren und kopieren Sie die Dateien aus include und lib64 Ordner in Ihrem cuda-installation.
InformationsquelleAutor omarc7
Habe ich gesehen, dass eine ähnliche Fehlermeldung (unten von diesem post), aber beschweren sich über libcudnn.so.6 statt libcudart.so.8.0 (siehe Anmerkung unten).
Lösung:
Hinweis:
den Tensorflow Montageanleitung (ab 20/Aug/2017) erfordern die Installation cuDNN v5.1, aber meine Tensorflow installation (nach Anweisungen für die Installation in ein virtualenv) erforderlich cuDNN v6.x (angezeigt durch die Fehlermeldung). Ich weiß nicht, ob es ein Fehler auf meiner Seite oder ein Tensorflow Dokumentation. Nichtsdestoweniger, die oben genannte Lösung funktionierte für mich.
Fehler:
Es war ein Fehler in docs - siehe: github.com/tensorflow/tensorflow/issues/12416
InformationsquelleAutor mohaseeb
Ab jetzt tensor-flow unterstützt die cuda-9.0
Tun folgende Dinge. Hoffe es hilft :
Download cuDNN für 9.0 (Sie müssen sich registrieren, bevor Sie Sie herunterladen)
https://developer.nvidia.com/rdp/form/cudnn-download-survey
Schließen Sie alle terminal und öffnen Sie eine neue
Sollten Sie nicht keine Fehler bekommen nachdem diese.
InformationsquelleAutor Punit Vara
Geheimnisvoll, meine
libcudnn.so.5
installiert wurde~/cuda/lib64
. Für Leute wie mich, die Sie ändern müssenzu
InformationsquelleAutor Michael Ma
Die vorherigen Fehler in der Regel verursacht durch die nicht Angabe einer Versionsnummer für die Cuda-SDK oder cuDNN beim ausführen der
configure
Skript. In anderen Worten, beim laufen dieconfigure
Skript, immer geben Sie eine Versionsnummer in der Antwort auf die folgenden zwei Fragen:Please specify the Cuda SDK version you want to use, e.g. 7.0.
Please specify the cuDNN version you want to use.
Nicht akzeptieren Sie die Standardeinstellungen des Systems.
InformationsquelleAutor Barry Rosenberg
Auf MacOS, dieses Problem wird oft verursacht durch bazel läuft in einer sandbox-Umgebung, also nicht die Achtung der LD_LIBRARY_PATH setzen in Ihrem lokalen shell. Ich würde nicht die Mühe gehen in den Verdienst der tiefen integration von sandboxing in einem build-tool.
Die einfache Lösung ist, um symlink-die Bibliotheken in /usr/local/lib.
cd /usr/local/lib && ln -s ../cuda/lib/libcudart.8.0.dylib
InformationsquelleAutor Adnan Y
Installieren Sie zuerst CUDA-Bibliothek (version 7.5) aus hier
Anleitung Zur Installation:
1-
sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb
2-
sudo apt-get update
3-
sudo apt-get install cuda
Zweitens, installieren Sie den cuDNN von hier
Dritte, export cuDNN Pfad:
Falls Sie eine Fehlermeldung wie "Das Paket libcudnnX neu installiert werden muss,", führen Sie diese Schritte aus hier
InformationsquelleAutor Wesam Na
Überprüfen Sie die NVIDIA-Voraussetzungen für die Ausführung TensorFlow mit GPU-Unterstützung (link):
CUDA® Toolkit 8.0
Den NVIDIA-Treiber im Zusammenhang mit der CUDA-Toolkit 8.0
cuDNN v6.0
GPU-Karte mit CUDA-Compute Fähigkeit 3.0 oder höher
Den libcupti-dev-Bibliothek, die die NVIDIA CUDA-Profil-Tools-Oberfläche
Habe ich installiert, die cuda v5.1 und die nachstehende Meldung bleibt immer noch:
Ich so bekam ich angepisst, weil alles gut aussieht, so dass ich entscheiden, zu überprüfen, meine GPU mit dem Befehl (unter Linux):
Ich bemerkt, dass meine NVIDIA GPU wird nicht unterstützt:
In diesem link finden Sie eine Liste, wie:
Also meine Lösung war die Verwendung tensor flow ohne GPU-Unterstützung. Also ich mache:
Ich installieren ohne support:
InformationsquelleAutor Andre Araujo
TensorFlow 1.2.1 ist kompatibel mit cuDNN 5.1, aber noch nicht mit 6.0. So installieren Sie einfach cuDNN 5.1. Außer, dass Sie zu fehlen scheinen CUDA 8.0.
InformationsquelleAutor Bohumir Zamecnik
Allgemeine Problemumgehung Allgemeines problem in Bezug auf die GPU, CUDA, und Andockfenster:
A. Wenn Sie den Umgang mit der Maschine lernen/deep learning verbundene Bereitstellung, Verwendung von nvidia-docker und nicht native-docker. Zum installieren von nvidia-docker befolgen Sie diese einfachen Schritte.
B. Wenn Sie möchten, um Zugriff auf die GPU mit docker, nie bauen einen container aus dem nichts, Sie werden gebraten mit einer Reihe von Fehlern. Stattdessen verwenden Sie einfach einen container von Nvidia-Docker-hub. Wählen Sie einen beliebigen bestimmten Bild, kopieren Sie den Dockerfile und führen
sudo nvidia-docker build -t happyapp .
. [happyapp ist der neue app-name]. In 5 min bekommen Sie Ihren container bereit (abhängig von der Netzwerk Geschwindigkeit :p).C. laden Sie Niemals eine nvidia-docker mit cuda/cudnn version, Wenn Sie installieren und ausführen möchten Tensorflow. Wenn Sie dies tun, erhalten Sie libcudnn.so.6 oder libcudnn.so.9 oder libcusolver.so.8.0 verbundenen Fehler und die werden Sie kaum bekommen, um diese Fehler.
Statt nur vorgefertigte Tensorflow Andockfenster Bild:
sudo nvidia-docker run -it tensorflow/tensorflow:latest-gpu /bin/bash
InformationsquelleAutor Patel Sunil