服务器上使用tensorflow

发表于   |   次阅读

使用tensorflow各组件之间的依赖关系

简单来说，按照下图指引，从左到右是依赖关系。

$tensorflow(GPU) \rightarrow cudnn \rightarrow cuda$

因为实验室的cudnn主要是5.1, 6以及cuda版本主要8.0，所以下载的tensorflow版本要与之相适应才能使用。

实验室服务器使用tensorflow概况

pip安装包的网速比较慢

解决方案：换源

1
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

查看cuda版本

1
cat /usr/local/cuda/version.txt

查看cudnn版本

1
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

面对cudnn版本不匹配的解决方案（举个粟子）

  • 问题核心：cudnn版本是5.1，不能使用tensorflow 1.4.0
  • 问题约束：cudnn和cuda版本无法修改
  • 解决思路：使用低版本的tensorflow
1
2
3
4
5
6
7
# install python3.4 environment
conda create -n py34 python=3.4
conda update conda anaconda
# activate python3.4 environment
conda activate py34
# install tensorflow 1.2
pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp34-cp34m-linux_x86_64.whl

查看tensorflow版本对应的关于CUDNN和CUDA的要求

举个粟子，对于tensor flow 1.4的要求在下面这个链接 以此类推

Cuda安装目录以及Cudnn安装目录

/usr/local/cuda

/usr/local/cuda/lib64

更新日志

  • 2018.1.16 添加文章

Reference

  1. tensorflow 对应的cudnn和cuda版本