Tensorflow: 导入错误：libcublas.so.9.0：无法打开共享对象文件：没有那个文件或目录

我认为这是由于您拥有 CUDA 9.1 而不是 9.0，我面临着完全相同的问题。

@Timonzimm我知道，我认为整个问题是 nvidia 放置的这个 f** 命名 libcublas.so.xxx。 每当该数字发生变化时，这在 linux 系统上本质上是不匹配的，因此由于它无法找到完全匹配的内容，因此它认为该文件不存在并引发错误。

我认为您应该使用从“cuda/”到“cuda/9.1”的符号链接，否则您的 cuda 版本对于 tensorflow master 分支来说太新了

@burui11087我完全忘记了符号链接。 谢谢你的提醒。

似乎已经解决了（根本原因是 CUDA 的版本不匹配 - 9.0 与 9.1）？
关闭它，因为我知道它可以解决，但如果我弄错了，请告诉我。

仅供参考@gunan @av8ramit （他们正在开发即将发布的 1.5 版本）

我也遇到了与 kirk86 完全相同的问题。 对我来说，我安装了 cuda 工具包 8.0 和 cudnn 5.1。
然后我按照你们上面说的做了，都行不通。

要使用 nightlies，您必须安装 CUDA 9.0 和 cudnn 7。
@yangfengKAUST使用当前版本的 cuda 和 cudnn 安装了 TF 只是抱怨它找不到它期望的版本。

@Timonzimm我面临同样的问题。 你想通了吗？

我安装了 8.0、9.0、9.1 + cudnn 版本，这些版本似乎各不相同。 符号链接在 9.1 库中不起作用。 我怀疑有时当我在 /usr/local/cuda 链接上切换版本时 LD_LIBRARY_PATH 中的符号链接不起作用。 我最终只是以低技术的方式将库加载到我的 java 程序中，直到我能找到一种更清晰的方法来处理 Eclipse 内部的路径。

    try {
        System.load("/usr/local/cuda/lib64/libcublas.so.9.0");
        System.load("/usr/local/cuda/lib64/libcusolver.so.9.0");
        System.load("/usr/local/cuda/lib64/libcudart.so.9.0");
        System.load("/usr/local/cuda/lib64/libcufft.so.9.0");
        System.load("/usr/local/cuda/lib64/libcurand.so.9.0");

        System.load("/home/greg/Desktop/platform/tensorbuilder/jni/libtensorflow_jni.so");
      } catch (UnsatisfiedLinkError e) {
          System.err.println("Native code library failed to load.\n" + e);
          System.exit(1);
      }

.

@asimshankar想知道在您的上述评论中您的意思是我们应该将 cuda 降级到 9.0 并且 tensorflow 1.5 不适用于 cuda 9.1 吗？

您已关闭此问题，但尚不清楚我们应该采取的正确操作是什么！

注意：我还安装了 cuda 9.1 而不是 cuda 9.0。

仅供参考，我都安装了。 从头开始构建也可以使用，但每晚的二进制文件使用 9.0。

@AwasthiMaddy - 是的，TensorFlow 1.5 版本二进制文件是为 CUDA 9 构建的。

你解决了吗？ 这个问题是由于 tensorflow-gpu-1.5 需要 cuda 9.0，所以你应该安装 tensorflow-gpu-1.4。 并记住卸载 tensorflow-gpu-1.5。 请使用这个“pip install --upgrade tensorflow-gpu==1.4”

@aipeteryao - 谢谢。

如果这是真的，有人需要修复https://www.tensorflow.org/install/install_linux页面，我只是完全按照其说明进行操作，并告诉您安装 CUDA 8.0（特别是，不是“最新的 CUDA”）。

然后，一旦完成，您就会收到此错误（它正在寻找 cublas 9.0，根据我在此处阅读的内容，它也不会起作用，因为 CUDA 9.1 是您从 NVIDIA 获得的默认值）。

网页说明应该适用于所有内容的默认最新版本，或者它应该明确告诉您安装 tensorflow-gpu-1.4（例如）而不是 tensorflow-gpu..

附议 bwesons 的评论。 我有 CUDA 8.0 和 Tensorflow 1.3。 我按照 TF 1.5（GPU、ubuntu、virtualenv）的当前安装说明进行操作，结果如上所述它中断了。 恢复到 TF 1.3，直到这个问题得到解决。

@aipeteryao这解决了，谢谢！ 我最终在我的 virtualenv 中卸载了最新版本并安装了 1.4。

pip3 uninstall tensorflow-gpu
pip3 install --upgrade tensorflow-gpu==1.4

Ubuntu 的安装页面应该更新： https :
由于 TensorFlow 1.5 期待 Cuda 9.0（不是 9.1），以及 cuDNN 7

其实应该看tensorflow的官方文档，里面给出了tensorflow的环境（包括python、gcc、cuda、cudnn等）。

@bwesen是的，你说得对。我的电脑安装了 CUDA 8.0、cudnn 6.0、tensorflow 1.4。

我认为这个问题应该仍然是开放的。 @bwesen的评论是正确的。 文档告诉您安装 Cuda 8.0 并使用pip install --upgrade tensorflow-gpu 。 现在，这为您提供了不适用于 Cuda 8.0 的 tensorflow 1.5

ping @asimshankar

我有同样的问题（使用 cuda 9.1 + tensorflow 1.5）。 我认为要解决它，一种选择是将 cuda 降级到 9.0。 另一种选择是将 cuda 降级到 8.0，将 tensorflow 降级到 1.4。 如果您已经安装了 cuda 8.0，您只需要修改LD_LIBRARY_PATH （和CUDA_HOME ）环境变量以指向 cuda 8.0 目录（即/usr/local/cuda-8.0 ）。

我遇到了这个问题（Cuda 9.1.85，cuDNN 7.05）

尝试使用 tensorflow 1.5，它坏了。 卸载了，用pip3 install --upgrade tensorflow-gpu==1.4安装了 1.4，还是坏了。

@DylanDmitri 1.5 期望 Cuda 9.0，而不是 9.1

您是否尝试过 Cuda 9.0 驱动程序？

@DylanDmitri @mkaze你需要 Cuda 9.0。

此外，对于安装要求有问题的任何人，我建议仔细检查您的 cuDNN 安装。 .deb 文件对我不起作用，因为它没有将文件复制到正确的位置。 我必须使用 .tgz 文件并根据 nVidia 的说明手动复制文件才能获得有效安装。

为什么不直接安装 cuda-9-0？

• 去这里： https :
• 然后，对我来说：下载 deb（网络）

sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo apt-key adv --fetch-keys \
     http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda-9-0

为什么不直接安装 cuda-9-0？

@abrahamrhoffman这对于拥有 sudo 权限的任何人来说

@abrahamrhoffman您是否也介意为否决票提供理由？

我安装了 cuda-9.0，但仍然无法正常工作。 这真的很烦人。

请确保正确设置您的 PATH 变量，例如此处所述： https :

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

cuda 9.1 是当前版本。 我想让TF使用它。 如何？

即使 tf-nightly-gpu 也不是在寻找 cuda 9.1。 嗯

我尝试了从所有 9.0 文件名到所有 9.1 文件名的符号链接，但没有奏效。 最后，TF才知道真实版本。 存储库甚至不再有 9.0，所以如果我删除 9.1 然后手动安装 9.0，恐怕我会破坏我的 nvidia 东西。

我现在通过以下方式修复他：

从以下位置下载 deb（网络）： https : =debnetwork

然后： dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb

然后：能力更新

然后： aptitude install cuda-9-0

首先我安装了 tensorflow 1.5，它坏了，我收到以下错误：
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
然后我卸载了，用 pip install --upgrade tensorflow-gpu==1.4 安装了 1.4，它没有用，我收到以下错误：
ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory

@xiezhongzhao您使用的是什么版本的 Cuda？ 对于 tensorflow 1.5，您必须安装 Cuda 9.0，对于 tensorflow 1.4，您必须使用 cuda 8.0。 如果 tensorflow 版本和 cuda 版本兼容，则检查环境变量，即CUDA_HOME和LD_LIBRARY_PATH 。

@mkaze我用的是 Cuda9.1

@xiezhongzhao安装 Cuda 9.0，你应该没问题。 Tensorflow 1.5 不适用于 Cuda 9.1。

@mkaze非常感谢

我也遇到了这个问题并正在努力解决它。

$ pip3 install tensorflow-gpu
$ python3
>>> import tensorflow
Traceback (most recent call last):
  File "/home/ubuntu/.local/lib/python3.5/site-packages/tensorflow/python/pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "/home/ubuntu/.local/lib/python3.5/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "/home/ubuntu/.local/lib/python3.5/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "/usr/lib/python3.5/imp.py", line 242, in load_module
    return load_dynamic(name, filename, file)
  File "/usr/lib/python3.5/imp.py", line 342, in load_dynamic
    return _load(spec)
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

我按照这些说明安装
https://www.tensorflow.org/install/install_linux#nvidia_requirements_to_run_tensorflow_with_gpu_support

我相信我从 nvidia 安装了正确的版本。 文件名是
cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
和cudnn-9.0-linux-x64-v7.tgz （7.0.5 版）

我按照 tensorflow 文档上的说明设置了路径，并尝试了上面abrahamrhoffman给出的说明。

当我运行 ldconfig -v 时，我得到了一些 9.0 库，但看不到 libcublas.so.9.0

/usr/local/cuda-9.0/targets/x86_64-linux/lib:
    libaccinj64.so.9.0 -> libaccinj64.so.9.0.176
    libOpenCL.so.1 -> libOpenCL.so.1.0.0
    libnvToolsExt.so.1 -> libnvToolsExt.so.1.0.0
    libcuinj64.so.9.0 -> libcuinj64.so.9.0.176
    libcudart.so.9.0 -> libcudart.so.9.0.176
/usr/local/cuda-9.1/targets/x86_64-linux/lib:
    libnppif.so.9.1 -> libnppif.so.9.1.85
    libcusparse.so.9.1 -> libcusparse.so.9.1.85
    libcusolver.so.9.1 -> libcusolver.so.9.1.85
    libnpps.so.9.1 -> libnpps.so.9.1.85
    libnppial.so.9.1 -> libnppial.so.9.1.85
    libnvgraph.so.9.1 -> libnvgraph.so.9.1.85
    libcuinj64.so.9.1 -> libcuinj64.so.9.1.85
    libaccinj64.so.9.1 -> libaccinj64.so.9.1.85
    libnppicc.so.9.1 -> libnppicc.so.9.1.85
    libcudart.so.9.1 -> libcudart.so.9.1.85
    libnppc.so.9.1 -> libnppc.so.9.1.85
    libnppicom.so.9.1 -> libnppicom.so.9.1.85
    libOpenCL.so.1 -> libOpenCL.so.1.0.0
    libnppig.so.9.1 -> libnppig.so.9.1.85
    libnvToolsExt.so.1 -> libnvToolsExt.so.1.0.0
    libnppidei.so.9.1 -> libnppidei.so.9.1.85
    libcurand.so.9.1 -> libcurand.so.9.1.85
    libnvblas.so.9.1 -> libnvblas.so.9.1.128
    libnvrtc.so.9.1 -> libnvrtc.so.9.1.85
    libnppitc.so.9.1 -> libnppitc.so.9.1.85
    libnppist.so.9.1 -> libnppist.so.9.1.85
    libcublas.so.9.1 -> libcublas.so.9.1.128
    libnppim.so.9.1 -> libnppim.so.9.1.85
/sbin/ldconfig.real: /usr/local/cuda-9.1/targets/x86_64-linux/lib/libcudnn.so.7 is not a symbolic link

    libcudnn.so.7 -> libcudnn.so.7.0.5
    libcufftw.so.9.1 -> libcufftw.so.9.1.85
    libcufft.so.9.1 -> libcufft.so.9.1.85
    libnppisu.so.9.1 -> libnppisu.so.9.1.85
    libnvrtc-builtins.so.9.1 -> libnvrtc-builtins.so.9.1.85

我没有安装 9.1，至少不是故意的。 这是在带有股票 ubuntu 16.04 的亚马逊 ec2 实例上。
nvidia-smi 也返回一个 gpu，这是一个 g3.4xlarge 实例

非常感谢任何指导。

根据 CUDNN 指南：

http://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html

您需要将解压后的文件（从您运行$ tar -xzvf cudnn-9.0-linux-x64-v7.tgz或类似的目录）复制到/usr/local/cuda子目录中：

$ 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*

感谢您的回复@entropy43。

我应该更具体。 我在tar之后做了这两个cp和chmod命令。 当我在文件夹 cuda 文件夹中查看我运行 tar 命令的位置时，如ls cuda/lib64我看到
libcudnn.so libcudnn.so.7 libcudnn.so.7.0.5 libcudnn_static.a

我也从 nvidia doc 中尝试了这一部分
2.3.2. Installing from a Debian File

和测试通过这里2.4. Verifying

任何获得该库的建议表示赞赏

有人可以总结一下目前的情况吗？ 我正在使用 TF1.3 + cuda 8 没有问题。 我想升级，但新版本的安装过程似乎完全中断。 建议？

类似于 yazabazra 在上面询问的内容：
TF1.6 Ubuntu 16.04
NVCC -V
nvcc：NVIDIA (R) Cuda 编译器驱动程序
版权所有 (c) 2005-2017 NVIDIA Corporation
建立于 Fri_Nov__3_21:07:56_CDT_2017
Cuda编译工具，发布9.1，V9.1.85
这需要 Nvidia 显示驱动程序 390+
关键要看： https :

whelp添加到这一切，经过大量的麻烦后，我将Nvidia更新到了最新版本，见上文，因为TF文档指出早期版本中存在错误..

现在我得到了：
导入错误：libcublas.so.9.0：无法打开共享对象文件：没有那个文件或目录
无法加载本机 TensorFlow 运行时。

这似乎是 9.0（TF 想要的）与 9.1 之间的不匹配，这是最新的 Nvidia。
使用 9.1 运行似乎更好，但我宁愿避免从源代码构建 TF，而且似乎无论如何都无法修复它..

这个组合可以与二进制包一起使用吗？
TF 1.6 库达 9.1 ??

对看这里的人的进一步注意和警告......在升级我的 Nvidia 东西后，我在单独的 conda env 中的旧版本 TF 不再像旧的 TF 想要的那样工作：ImportError：libcublas.so.8.0：无法打开共享对象文件：没有这样的文件或目录
所以 9.1 不会削减它.. 指定大于怎么样？ 与特定版本？ 只是一个建议..与此同时，我已经死在水里了..

这就是为什么支持 9.1 的二进制文件的可用性会很好：（来自 TF1.6 发行说明）

将XLA:GPU与 CUDA 9 和 CUDA 9.1 一起使用会导致垃圾结果和/或
CUDA_ILLEGAL_ADDRESS 失败。

谷歌在 2017 年 12 月中旬发现 CUDA 9 中的 PTX-to-SASS 编译器
和 CUDA 9.1 有时无法正确计算进位位
将具有大偏移量的 64 位地址计算（例如加载 [x + large_constant]）分解为 SASS 中的 32 位算法。

结果，这些版本的 ptxas 错误编译了大多数使用的 XLA 程序
超过 4GB 的临时内存。 这会导致垃圾结果和/或
CUDA_ERROR_ILLEGAL_ADDRESS 失败。

预计 2018 年 2 月下旬将修复 CUDA 9.1.121。我们预计不会出现
修复 CUDA 9.0.x。 在修复可用之前，唯一的解决方法是
降级到 CUDA 8.0.x
或禁用XLA:GPU。

也许其中一首夜曲做到了？

另一个解决方案？ 因为 TF 似乎在搜索特定的 Rev 版本，所以可以安装 Cuda 的多个版本吗？ 如果是这样，有关如何操作的任何建议？

所以理想情况下，我可以在一个 conda 环境中运行 TF 1.4（目前需要 Cuda 8.0），在另一个环境中运行 TF 1.6（目前需要 Cuda 9.0）？

所以我刚刚添加了 sudo apt-get -y install cuda-toolkit-9.0 并且我已经启动并运行了 TF1.6

@dartdog安装 cuda-toolkit-9.0 后，您是否遇到过ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory ？

@dartdog

sudo apt-get install cuda-7-0
vim ~/.bashrc
export PATH=/usr/local/cuda-7.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda7.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

正如@bwesen 所说，这绝对应该包含在 tensorflow 文档中。 它也应该包含在错误列表中。 我们有可能这样做吗？ 我想我要开一个新问题，要求添加对 cuda 9.1 的支持，或者在文档中特别提到您需要 cuda 9.0，并将其包含在错误列表中

好了朋友们。 我现在在https://github.com/tensorflow/tensorflow/issues/17629开了一个新问题

我也在处理这个问题。 什么对我有用 tensorflow-gpu 1.6：

• 我从存档中下载了 9.0 的工具包，但它安装为 9.1（我不知道为什么......）
• 仍然没有找到 libcublas.so.9.0
• 按照安装说明末尾的建议运行： sudo apt-get install cuda-libraries-9-0 。
• 问题似乎已经解决了。

如果你想让 tensorflow 与你的 CUDA 版本一起工作，你需要先卸载它然后从源代码编译它并在运行 ./configure 时指定 CUDA 版本
详细信息可以在这里找到： https :

我正在尝试这个（手动构建 tensorflow）链接

可能需要更长的时间，但您可以通过这种方式定义次要版本。

@mldm4实际上，命令sudo apt-get install cuda可能为您安装了 9.1，因为您的系统中也有它。 我遇到了同样的问题，我做了sudo apt-get install cuda-9-0来安装特定版本（我也从存档中下载了）。
我认为你所做的命令（ sudo apt-get install cuda-libraries-9-0 ）也下载了 cuda 9.0.0。
这个问题没有解决，正如我在 issue 17629 中提到的，我知道问题是 TensorFlow 需要 9.0 版本，而我有 9.1。 问题是在文档中更清楚地提及这一点，并将其包含在文档底部的常见安装问题中，或者更新 tensorflow 以接受 Cuda 9.1。

所以还没有解决方案吗？

@线程：

*请仔细阅读帖子！ *

阅读线程并发现解决方案是您的工作； 不是简单地滚动到最后。

@abrahamrhoffman这很粗鲁。

我刚刚将我的 batchrc 从 cuda-9.1 更改为 cuda。 然后我的 tensorflow 能够找到 libcublas.so.9.0

仅供参考：用于下载 cuda-9.0 的 nvidia 网站实际上是在下载 cuda-9.1。 https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal

@DanlanChen那可能是因为您还安装了 9.1。 要安装 9.0，在下载步骤中，执行sudo apt-get install cuda-9-0而不是sudo apt-get install cuda 。

@cubetastic33我降级了我的 tensorflow 版本并使用 cuda8.0，无论如何谢谢你。

@DanlanChen但是，我想最好使用最新版本。 所以，如果您想升级，您现在知道该怎么做！ ：微笑：

我面临同样的问题，但我正在尝试使用 nvidia-docker 运行 tensorflow。 我在主机上安装了 cuda-9-0，但是当我尝试运行我的 docker 容器时，我得到了

ImportError: libcuda.so.1: cannot open shared object file: No such file or directory

@magick93和所有这些都出现在这里！

听！ 您需要的任何东西都是降级您的 cuda 9.1 -> cuda 9.0。 而已！ 就这样做（如果您之前下载了 cuda 9.1，您可以在终端中执行以下命令）：

sudo apt-get install cuda-9-0并通过 rm -rf 删除 cuda 9.1。

顺便说一句，不要忘记在~/.bashrc (9.1 -> 9.0) 中更改 $PATH。

嗨@ Oktai15

听！ 您需要的任何东西都是降级您的 cuda 9.1 -> cuda 9.0。 而已！ 去做就对了

是的，我已经这样做了 - 很多次。

sudo apt-get install cuda-9-0
[sudo] password for anton: 
Reading package lists... Done
Building dependency tree       
Reading state information... Done
cuda-9-0 is already the newest version (9.0.176-1).
0 upgraded, 0 newly installed, 0 to remove and 7 not upgraded.

$ ldconfig -p | grep cuda
    libnvrtc.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvrtc.so.9.0
    libnvrtc.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvrtc.so
    libnvrtc-builtins.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvrtc-builtins.so.9.0
    libnvrtc-builtins.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvrtc-builtins.so
    libnvgraph.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvgraph.so.9.0
    libnvgraph.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvgraph.so
    libnvblas.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvblas.so.9.0
    libnvblas.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvblas.so
    libnvToolsExt.so.1 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvToolsExt.so.1
    libnvToolsExt.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnvToolsExt.so
    libnpps.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnpps.so.9.0
    libnpps.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnpps.so
    libnppitc.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppitc.so.9.0
    libnppitc.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppitc.so
    libnppisu.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppisu.so.9.0
    libnppisu.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppisu.so
    libnppist.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppist.so.9.0
    libnppist.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppist.so
    libnppim.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppim.so.9.0
    libnppim.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppim.so
    libnppig.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppig.so.9.0
    libnppig.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppig.so
    libnppif.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppif.so.9.0
    libnppif.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppif.so
    libnppidei.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppidei.so.9.0
    libnppidei.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppidei.so
    libnppicom.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppicom.so.9.0
    libnppicom.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppicom.so
    libnppicc.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppicc.so.9.0
    libnppicc.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppicc.so
    libnppial.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppial.so.9.0
    libnppial.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppial.so
    libnppc.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppc.so.9.0
    libnppc.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libnppc.so
    libicudata.so.55 (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libicudata.so.55
    libcusparse.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcusparse.so.9.0
    libcusparse.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcusparse.so
    libcusolver.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcusolver.so.9.0
    libcusolver.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcusolver.so
    libcurand.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcurand.so.9.0
    libcurand.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcurand.so
    libcuinj64.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcuinj64.so.9.0
    libcuinj64.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcuinj64.so
    libcufftw.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcufftw.so.9.0
    libcufftw.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcufftw.so
    libcufft.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcufft.so.9.0
    libcufft.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcufft.so
    libcudnn.so.7 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcudnn.so.7
    libcudart.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcudart.so.9.0
    libcudart.so.7.5 (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libcudart.so.7.5
    libcudart.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcudart.so
    libcudart.so (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libcudart.so
    libcuda.so.1 (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libcuda.so.1
    libcuda.so (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libcuda.so
    libcublas.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcublas.so.9.0
    libcublas.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libcublas.so
    libaccinj64.so.9.0 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libaccinj64.so.9.0
    libaccinj64.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libaccinj64.so
    libOpenCL.so.1 (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libOpenCL.so.1
    libOpenCL.so (libc6,x86-64) => /usr/local/cuda-9.0/targets/x86_64-linux/lib/libOpenCL.so

然而我什至无法运行这个简单的 tensorflow 脚本，因为它导致我得到ImportError: No module named tensorflow.python.client

from tensorflow.python.client import device_lib

def get_available_gpus():
    local_device_protos = device_lib.list_local_devices()
    return [x.name for x in local_device_protos if x.device_type == 'GPU']

get_available_gpus()

我在这里遇到了每个人都遇到的同样问题，安装 9.0 确实有帮助，但后来我遇到了其他问题。
然后我跟着这个，它终于对我有用。

@Oktai15不会rm -rf删除您的系统吗？ 请在这里更清楚，因为人们可能会在没有进入所需目录的情况下尝试它，并最终清空他们的主文件夹。

@magick93您的问题似乎是其他问题，而不是 CUDA 版本。

我有同样的问题，我想我通过一些改变解决了，这个组合对我有用

Ubuntu 16、cuda 9.0、cudnn 7.0、python 3,5、tensorflow 1.6

如果您在仍然有以前版本的情况下安装新的 cuda，请确保指定这样的路径

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

@Abduoit你的 Ubuntu 版本并不重要。 问题是，TensorFlow 1.6 期望 CUDA 为 9.0 版，而 cuDNN 为 7.0.4 版（是的，0.4 _does_ 很重要）

回溯（最近一次调用最后一次）：
文件“utils.py”，第 15 行，在
将张量流导入为 tf
文件“/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/__init__.py”，第 24 行，在
从 tensorflow.python 导入 *
文件“/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/__init__.py”，第 49 行，在
从 tensorflow.python 导入 pywrap_tensorflow
文件“/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py”，第 74 行，在
引发导入错误（味精）
导入错误：回溯（最近一次调用最后一次）：
文件“/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py”，第58行，在
从 tensorflow.python.pywrap_tensorflow_internal 导入 *
文件“/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py”，第28行，在
_pywrap_tensorflow_internal = swig_import_helper()
文件“/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py”，第 24 行，在 swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
导入错误：libcublas.so.9.0：无法打开共享对象文件：没有那个文件或目录

无法加载本机 TensorFlow 运行时。

请参阅https://www.tensorflow.org/install/install_sources#common_installation_problems
须藤 apt-get 安装 cuda-7-0
vim ~/.bashrc
导出路径=/usr/local/cuda-7.0/bin${PATH:+:${PATH}}
导出 LD_LIBRARY_PATH=/usr/local/cuda7.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
导出路径=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
导出 LD_LIBRARY_PATH=/usr/local/cuda9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PA
出于一些常见的原因和解决方案。 包括整个堆栈跟踪
寻求帮助时出现在此错误消息上方。

正如@pascalwhoop提到的，我按照http://www.python36.com/install-tensorflow141-gpu/ 中的说明从源代码构建 Tensorflow。

每当它说 cuda 9.0 我更改为 9.1，cudnn 7.0 我放 7.1.2。

工作正常，到目前为止！

@SAGGSOC为什么要安装 cuda 7.0？ 您需要 CUDA 9.0 和 CuDNN 7.0.4

每个遇到问题的人：谁愿意将其转变为与社区共享的可靠 docker 图像。 而是在工作之前进行 6gb 图像拉取，而不是 DLing 5 个版本的 CuDNN。

https://github.com/pascalwhoop/tf_openailab_gpu_docker

我开始了一段时间，但由于项目重点转移而停止。 但我认为值得追求。 避免了从大多数人那里找到 17 个移动部件的正确组合的全部麻烦。

只是为了向可能偶然发现这篇文章的任何人澄清一些事情。 我在我的系统中安装了 cuda-8.0、cuda-9.0、cuda-9.1。 您无需删除任何内容即可使其与 tensorflow 一起使用。 相反，如果您的系统中缺少 cuda-9.0，正如其他人已经指出的那样，那么您需要安装它，这是 tensorflow 正常工作的先决条件。

如果你已经安装了你的系统上支持CUDA 9.0和tensorflow抱怨libcublas.so.9.0如其他人所说的暴露再次，通过你的运行期间LD_LIBRARY_PATH环境变量的.bashrc使它指向/usr/local/cuda-9.0/lib64 。 即使对于 tensorflow 1.7，这也应该有效。

我尝试过但未能完成的是从源代码构建。 出于某种原因，bazel 总是出现错误退出。 如果您尝试使用 cuda-9.0/cuda-9.1 和 cudnn7 进行构建，它会抱怨 gcc7。 使用 gcc5 编译似乎工作正常，但最后我总是收到错误并且构建不成功。

我的问题是，是否有人设法使用 cuda-9.1/cuda-9.0 从源代码编译没有问题？

这对我有用：

从 NVidia 以前的版本部分下载 CUDA Toolkit 9.0。
然后：

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub 
sudo apt-get update
sudo apt-get install cuda-9.0

注意上面最后一行的 9.0。

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64

我的设置
TensorFlow 1.7
cuDNN 7.1.2
Ubuntu 16.04

艾特米兹，
我有相同的设置，它也适用于我。

谢谢你的文章 ：）

我有同样的情况。 我有 cuda 9.1，tensorflow 找不到 cuda 9.0 的库。

我已经使用命令安装了 cuda 9.0：sudo apt-get install cuda-libraries-9-0

那解决了我的问题。

安装 cuda 8 和 9.0 后，在.bashrc和.profile设置LD_LIBRARY_PATH不起作用。 所以，我设置
LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64在 pycharm 环境变量字段中，它可以工作。

以上适用于在 Ubuntu Server 17 上安装。即，

• 安装 cuda-9.0（不是 9.1）
• 用于 CUDA 9.0 的 cuDNN v7.1.2（2018 年 3 月 21 日）
• 根据官方 tf 安装说明进行其他所有操作

比编译容易得多。

小心 conda 用户。 我遇到了同样的问题，摸索了两天，直到最后我发现 conda 使用了 libcudnn.so 的本地副本，位于：
/miniconda3/lib/libcudnn.so 指向 libcudnn.so.7 指向 libcudnn.so.7.0.5
我不记得是谁以及如何将它放在那里，但它几乎超载了系统默认的 libcudnn.so.7.1.2 ！！！

一旦删除，一切都像魅力一样：
ubuntu 16.04 上的 tensorflow 1.7 或 1.8-nightly、cuda-9.1、cudnn-7.1.2

不知何故，我通过安装解决了这个问题：
cuda 9.1（来自包管理器），
cudnn 7.1 为 9.1
来自蟒蛇：
通过使用这个默认命令'conda install -c anaconda tensorflow-gpu'
cudatoolkit 9.0，
张量流 1.7，
张量流-GPU 1.7

我在我的 PC 上使用了 Antergos linux，GTX 1060。 它在我的笔记本（Xubuntu 18.04，GT 840m）中也能正常工作。 在我的笔记本中，我使用了：
cuda 9.1（来自 nvidia ppa），cudnn 7.1 for 9.1（来自 nvidia web），其余相同

谢谢@Suananda！ 它的作用就像魔术一样。

如果您有旧版本的 CUDA，即使您安装了较新的 CUDA，库链接也可能指向旧库，尤其是如果您手动安装它。 尝试删除旧安装，然后 sudo ldconfig 更新动态链接。

还没解决！？

对于任何可能偶然发现的人，我已经发布了一个由 cuda 9.1 构建的最新 tensorflow 1.8.0-rc1 的社区轮。 你可以在这里找到它！

我找到原因是ldconf，ldconfig是一个动态链接库管理命令，目的是让系统使用动态链接库。

默认ldconf只搜索/lib和/usr/lib，以及配置文件/etc/ld列出的目录下的库文件。 所以。 配置文件

所以这一切都是由安装的CUDA路径中的CUDA动态库引起的，例如：/path/cuda-9.0/lib64或/path/cuda-9.0/lib。 （例如，我的 CUDA 安装在 /usr/local/cuda-9.0 中）

1. 如果你安装了CUDA手册，那么安装后，你应该将cuda/lib64的路径添加到/etc/ld.so.conf文件中
   sudo echo "/usr/local/cuda-9.0/lib64/" >> /etc/ld.so.conf
   然后
   sudo ldconfig

   当然，您可以添加路径手册，例如：
   vim /etc/ld.so.conf
   然后在最后添加路径'/usr/local/cuda-9.0/lib64'。
   sudo ldconfig
   操作后，重新打开 ipython 或 pycharm ，
   将张量流导入为 tf
   哇，你会喜欢的！

2. 如果您通过“dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb”等命令安装CUDA，它可能会自动将cuda lib路径添加到/etc/ld.so.conf。 但为了安全起见，请检查 /etc/ld.so.conf 并查看路径是否添加到其中。

@纽约清洁工
在 Ubuntu 上，有一个/etc/ld.so.conf.d/cuda-9-1.conf文件，其中包含：
/usr/local/cuda-9.1/targets/x86_64-linux/lib

这足够了还是我需要将目录/usr/local/cuda-9.1/lib64/到它？

@sebma
你应该给它添加/usr/local/cuda-9.1/lib64/路径， * .so 文件在 lib64 中

sudo bash -c "echo /usr/local/cuda/lib64/ >/etc/ld.so.conf.d/cuda.conf"
sudo ldconfig

来自https://gist.github.com/zhanwenchen/e520767a409325d9961072f666815bb8

@mashu好吧，另一个选择是社区提供预先构建的轮子。 如果您阅读上面的 2-3 个线程，您还会看到再次提到的内容。

@Suananda谢谢，它在 tensorflow conda 环境中对我有用。
建议官方修改安装指南“ https://www.tensorflow.org/install/install_linux#InstallingAnaconda”，Anaconda安装步骤4，从“pip install --ignore-installed --upgrade tfBinaryURL”改为“conda”安装 -c anaconda tensorflow-gpu"

Softlink 好像没有解决这个问题：

➜  cuda ls lib64 
libaccinj64.so                libcufftw_static.a     libnppial.so.9.2      libnppig_static.a    libnvblas.so.9.2
libaccinj64.so.9.2            libcuinj64.so          libnppial.so.9.2.88   libnppim.so          libnvblas.so.9.2.88
libaccinj64.so.9.2.88         libcuinj64.so.9.2      libnppial_static.a    libnppim.so.9.2      libnvgraph.so
libcublas_device.a            libcuinj64.so.9.2.88   libnppicc.so          libnppim.so.9.2.88   libnvgraph.so.9.2
libcublas.so                  libculibos.a           libnppicc.so.9.2      libnppim_static.a    libnvgraph.so.9.2.88
libcublas.so.9.0              libcurand.so           libnppicc.so.9.2.88   libnppist.so         libnvgraph_static.a
libcublas.so.9.2              libcurand.so.9.2       libnppicc_static.a    libnppist.so.9.2     libnvrtc-builtins.so
libcublas.so.9.2.88           libcurand.so.9.2.88    libnppicom.so         libnppist.so.9.2.88  libnvrtc-builtins.so.9.2
libcublas_static.a            libcurand_static.a     libnppicom.so.9.2     libnppist_static.a   libnvrtc-builtins.so.9.2.88
libcudadevrt.a                libcusolver.so         libnppicom.so.9.2.88  libnppisu.so         libnvrtc.so
libcudart.so                  libcusolver.so.9.2     libnppicom_static.a   libnppisu.so.9.2     libnvrtc.so.9.2
libcudart.so.9.2              libcusolver.so.9.2.88  libnppidei.so         libnppisu.so.9.2.88  libnvrtc.so.9.2.88
libcudart.so.9.2.88           libcusolver_static.a   libnppidei.so.9.2     libnppisu_static.a   libnvToolsExt.so
libcudart_static.a            libcusparse.so         libnppidei.so.9.2.88  libnppitc.so         libnvToolsExt.so.1
libcufft.so                   libcusparse.so.9.2     libnppidei_static.a   libnppitc.so.9.2     libnvToolsExt.so.1.0.0
libcufft.so.9.2               libcusparse.so.9.2.88  libnppif.so           libnppitc.so.9.2.88  libOpenCL.so
libcufft.so.9.2.88            libcusparse_static.a   libnppif.so.9.2       libnppitc_static.a   libOpenCL.so.1
libcufft_static.a             libnppc.so             libnppif.so.9.2.88    libnpps.so           libOpenCL.so.1.0
libcufft_static_nocallback.a  libnppc.so.9.2         libnppif_static.a     libnpps.so.9.2       libOpenCL.so.1.0.0
libcufftw.so                  libnppc.so.9.2.88      libnppig.so           libnpps.so.9.2.88    stubs
libcufftw.so.9.2              libnppc_static.a       libnppig.so.9.2       libnpps_static.a
libcufftw.so.9.2.88           libnppial.so           libnppig.so.9.2.88    libnvblas.so

还有：

Traceback (most recent call last):
  File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 58, in <module>
    from tensorflow.python.pywrap_tensorflow_internal import *
  File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 28, in <module>
    _pywrap_tensorflow_internal = swig_import_helper()
  File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 24, in swig_import_helper
    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
  File "/usr/lib/python3.6/imp.py", line 243, in load_module
    return load_dynamic(name, filename, file)
  File "/usr/lib/python3.6/imp.py", line 343, in load_dynamic
    return _load(spec)
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

During handling of the above exception, another exception occurred:

当我直接在 linux 环境中运行我的代码时，一切正常。 但是当我通过远程解释器在本地pycharm上运行时，遇到了问题： ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory. "Failed to load the native TensorFlow runtime."

导出路径=${PATH}:/usr/local/cuda-9.0/bin
导出 CUDA_HOME=${CUDA_HOME}:/usr/local/cuda:/usr/local/cuda-9.0
导出 LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/cuda-9.0/lib64
导出 LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

如果使用 pycharm - 将其添加到解释器

f** 我只想使用 tensorflow1.8 和 cuda9.1 怎么样？

@dongzhuoyao那么问题是什么？ 看看我上面的评论 6 个线程，你会在那里找到你的解决方案！

我猜这个问题再次出现在cuda 9.2和tensorflow-gpu 1.8 。 在 virtualenv 中，我得到：

>>> import tensorflow as tf
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

我的/usr/local/cuda-9.2/lib64文件夹有以下 libcublas：

$ ls /usr/local/cuda-9.2/lib64 | grep libcublas
libcublas_device.a
libcublas.so
libcublas.so.9.2
libcublas.so.9.2.113
libcublas.so.9.2.88
libcublas_static.a

版本：

Ubuntu 16.04
cuda 9.2
cudnn 7.1.4
tensorflow-gpu 1.8.0

我们需要更新 tensorflow-gpu 才能使用 cuda 9.2。

另外，如果我要降级到 cuda 9.0，我必须先删除 cuda 9.2 还是直接安装 9.0？ 我会有冲突的安装吗？

@mebble给你：链接。 那是 cuda 9.2 的 tf 1.8 轮子。

如果我要降级到 cuda 9.0，我是否必须先删除 cuda 9.2

不要降级。 安装您想要的任何其他版本，它们将在/usr/local/cuda-x.x

谢谢！ 我忘了提到我使用python 3.5.2和 pip 10.0.1 。 我认为轮子适用于 python 3.6，所以安装不起作用。 你也有 3.5 的吗？

@kirk86在安装你给它的
我使用 CentOS 和 K80 GPU、cuda 9.2 和 cudnn v7.1

建议

据我所知，你可以有子包 xxx、yyy、zzz 等，并按如下方式安装它们

pip install mainpackage[xxx]

这样可以提供不同的共存后端。 Tensorflow 可以使用不同的选项构建，因此至少可以通过这种方式提供几个 cuda-toolkit 构建。

包的全部意义在于节省构建时间，但是为非常特定的一组库构建的包构建良好，但不起作用会适得其反。 一开始最好不要有这样的包。

@mebble只是为 python 3.6 创建一个

@pavan-08 在你的系统上安装 openmpi 也 nccl 2.x 无论是来自 nvidia 的最新版本。 我已经用大多数包和库编译了 tf，所以它可以用于 hdfs、kafta、aws 等。这就是为什么要问 libmpi.so，因为它来自 openmpi 库。

使用 cuda 9.2 和 tensorflow-gpu 1.8 我无法构建 tensorflow

声明的输出 'external/local_config_cuda/cuda/cuda/lib/libcudnn.so.7' 是一个悬空的符号链接

符号链接存在

版本：

Ubuntu 17.10
CUDA 9.2
cudnn 7.1.4
张量流-GPU 1.8.0

这对我有用（tensorflow-gpu==1.8.0 和 cuda 版本是 9.0，安装在 anaconda 中）

export LD_LIBRARY_PATH=LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64/

建议来自： https :

@Jackiexiao是的，这就是我要说的。 我正在使用工作站，所以对我来说我需要做的就是使用 CUDA 9.0 而不是 9.2（因为安装了多个版本的 CUDA）

这对我有用：
因为 Tensorflow > 1.4 需要 CUDA 9，所以我卸载了所有 CUDA 版本：

1. 须藤 rm -rf /usr/local/cuda*
2. dpkg -l | grep cuda- | awk '{print $2}' | xargs -n1 须藤 dpkg --purge

安装 CUDA 9.0 和 CuDNN 7.0.x 并重新启动。

请参考CUDA、CuDNN 和 Tensorflow 的组合。

发生此错误的主要原因是 Nvidia 驱动程序、CUDA、CuDNN 和 Tensorflow-gpu 的版本组合不正确

感谢你！

| |
杨康
|
|
邮箱： [email protected]
|

签名由网易邮箱大师定制

在 08/18/2018 08:00，Dhruv Srivastava 写道：

请参考 CUDA 和 CuDNN 的组合。

发生此错误的主要原因是 Nvidia 驱动程序、CUDA、CuDNN 和 Tensorflow-gpu 的版本组合不正确

—
您收到此消息是因为您发表了评论。
直接回复此邮件，在 GitHub 上查看，或将线程静音。

@dhruvhacks好。我认为人们应该使用正确版本的 cuda 安装正确版本的 tensorflow-gpu。

我在 Ubuntu 18.08 上，并在以下位置安装了 Cuda 9.0：

/usr/local/cuda-9.0

我决定寻找libcublas.so.9.0 ：

# build search index
updatedb
# find the "missing" file
locate libcublas.so.9.0

这告诉我文件在/usr/local/cuda-9.0/lib64/stubs/libcublas.so.9.0 ，这帮助我意识到我有两个问题：在~/.bash_profile我设置了： export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64/ ，但我的文件在stubs目录，所以我需要使用：

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64/stubs/

最后， libcublas.so.9.0归 root 所有，所以我更改了文件的权限和所有者：

sudo chown -R MY_USER:MY_GROUP /usr/local/cuda-9.0/
sudo chmod -R 777 /usr/local/cuda-9.0/

一切都很好！

安装 cuda 8 和 9.0 后，在.bashrc和.profile设置LD_LIBRARY_PATH不起作用。 所以，我设置
LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64在 pycharm 环境变量字段中，它可以工作。

正是如此，非常感谢您解决了这个问题，我花了几天的时间来解决这个问题。 真的很感谢队友

当我使用PyCharm在远程服务器（aws 深度学习 ami）上调试我的代码时，我也遇到了这个问题。 cuda 版本是 9.0，cudnn 是 7.1.4，tensorflow 是 1.10.0（对于 gpu）。 我可以通过连接到我的服务器的终端正常导入 tensorflow，但无法在 PyCharm 的 python 控制台中导入 tensorflow。 问题出现在这个时候。 因此，我无法使用 PyCharm 进行调试...
我的解决方案是：在连接到您的服务器后在终端中输入此行

sudo ldconfig /usr/local/cuda/lib64

我引用了这个链接

@NYcleaner 非常感谢！ 它有助于！ 我发现只使用符号链接也可以。
须藤回声“/usr/local/cuda/lib64/”>> /etc/ld.so.conf
须藤ldconfig

这仍然是 Cuda 9.1 和 Tensorflow 1.11 的问题

cuda 10.0 张量流 1.11

更好的解决方案 - 删除 tensorflow，安装 pytorch
为什么 tensorflow 可以如此轻松地刹车？
为什么我不能安装并运行它？
为什么 pytorch 如此容易，而 tf 不可预测？ wtf有毛病吗？

为什么不直接安装 cuda-9-0？

• 去这里： https :
• 然后，对我来说：下载 deb（网络）

sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo apt-key adv --fetch-keys \
     http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda-9-0

在 ubuntu 18.04 cuda 9-0 下（正式）不可用。 不过，它有效。

大家好，
我尽可能多地使用 PyTorch，但对于需要将（Keras）模型导出到 tensorflowjs 的特定项目，我不得不使用 tf. 唯一对我有用的解决方案是从源代码构建，在从 Ubuntu multiverse 安装 CUDA 之后，如下所述：

https://medium.com/@asmello/how -to-install-tensorflow-cuda-9-1-into-ubuntu-18-04-b645e769f01d

博纳机会！

根据官方网站，Ubuntu 18.04 不支持 CUDA 9

根据官方网站，Tensorflow 不支持 CUDA 9 以上的任何内容

我们可以很快获得对 tensorflow 的官方 CUDA 10 支持吗？

更好的解决方案 - 删除 tensorflow，安装 pytorch
为什么 tensorflow 可以如此轻松地刹车？
为什么我不能安装并运行它？
为什么 pytorch 如此容易，而 tf 不可预测？ wtf有毛病吗？

愚蠢的解决方案

我已经安装了 Cuda 10 和最新版本的 Tensor Flow，但我收到了ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory ，我已经降级了，但我仍然收到这条消息......

我已经安装了 Cuda 10 和最新版本的 Tensor Flow，但我收到了ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory ，我已经降级了，但我仍然收到这条消息......

你能告诉我们操作系统版本和你发出的“降级”的确切命令吗？

我试过Deepin 15.8和Mint 19.1，稍后我要测试Windows 10。 命令pip install --upgrade tensorflow-gpu==version ，我尝试了主版本：1.9.0、1.10.1、1.11.0 和 1.12.0。 cuda版本和驱动程序：

@Sphinxs ，在我看来，您有两种方法：a) 在本地重新编译 python 轮，以便它指向已安装的 cuda 版本或 b) 像我在 18.04 安装时所做的那样安装 cuda-9.0 ，并且几个月后它仍在工作。

更好的解决方案 - 删除 tensorflow，安装 pytorch
为什么 tensorflow 可以如此轻松地刹车？
为什么我不能安装并运行它？
为什么 pytorch 如此容易，而 tf 不可预测？ wtf有毛病吗？

这个人说得对。 可以编译 TF 以与更现代的 CUDA 版本一起使用......为什么不直接向大多数人提供tensorflow-gpu-cuda110包或一些临时的东西，直到库可以动态找出底层的 cuda 版本？

更好的解决方案 - 删除 tensorflow，安装 pytorch
为什么 tensorflow 可以如此轻松地刹车？
为什么我不能安装并运行它？
为什么 pytorch 如此容易，而 tf 不可预测？ wtf有毛病吗？

我烦死了！！！！

我烦死了！！！！

此评论不会为问题添加任何内容。 也没有人强迫任何人使用 TF，但是如果您真的需要并且无法使 pip 包工作，为什么不自己构建它呢？ 这就是我在某个时候最终做的事情。 我看到这里也有社区支持的构建
https://github.com/tensorflow/tensorflow向下滚动。
也许为您的 GPU 构建并做出贡献？

更好的解决方案 - 删除 tensorflow，安装 pytorch
为什么 tensorflow 可以如此轻松地刹车？
为什么我不能安装并运行它？
为什么 pytorch 如此容易，而 tf 不可预测？ wtf有毛病吗？

我烦死了！！！！

这是一个问题页面。 请说明您的问题，以便解决它们，或者更好的是，帮助解决它们。

@raphaunix请问这个图表是从哪里来的？

我通过运行以下命令使 Tensorflow 1.11.0 正常工作：

conda create -n tf python=2
conda activate tf
pip install tensorflow-gpu==1.11
conda install cudatoolkit==9.0

我找到原因是ldconf，ldconfig是一个动态链接库管理命令，目的是让系统使用动态链接库。

默认ldconf只搜索/lib和/usr/lib，以及配置文件/etc/ld列出的目录下的库文件。 所以。 配置文件

所以这一切都是由安装的CUDA路径中的CUDA动态库引起的，例如：/path/cuda-9.0/lib64或/path/cuda-9.0/lib。 （例如我的 CUDA 安装在 /usr/local/cuda-9.0）

1.如果你安装了CUDA手册，那么安装后，你应该将cuda/lib64的路径添加到/etc/ld.so.conf文件中
sudo echo "/usr/local/cuda-9.0/lib64/" >> /etc/ld.so.conf
然后
sudo ldconfig
当然，您可以添加路径手册，例如：
vim /etc/ld.so.conf
然后在最后添加路径“/usr/local/cuda-9.0”。
然后更新它
sudo ldconfig
操作后，重新打开 ipython 或 pycharm ，
import tensorflow as tf
哇，你会喜欢的！

如果您通过“dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb”等命令安装CUDA，它可能会自动将cuda lib路径添加到/etc/ld.so.conf。 但为了安全起见，请检查 /etc/ld.so.conf 并查看路径是否添加到其中。

@jabalazs而不是conda install cudatoolkit==9.0我试过pip install cudatoolkit==9.0但这没有用，你知道为什么吗？

我发现我在 colab 上的运行时没有使用 GPU，这就是我出错的原因

更好的解决方案 - 删除 tensorflow，安装 pytorch
为什么 tensorflow 可以如此轻松地刹车？
为什么我不能安装并运行它？
为什么 pytorch 如此容易，而 tf 不可预测？ wtf有毛病吗？

很好的解决方案@dodler ！ 但我认为您缺少使这个伟大的建议易于通过 xD 遵循的命令。

pip uninstall tensorflow
pip install torch

快乐编码！

我在尝试使用 Thundersvm 在 Google Colab 上通过 GPU 加速 NuSVR 时遇到了同样的错误。
安装 Cuda 9.0 解决了我的问题。
只需遵循：

!wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64-deb

!ls # Check if required cuda 9.0 amd64-deb file is downloaded

!dpkg -i cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64-deb

!ls /var/cuda-repo-9-0-local | grep .pub

!apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub

!apt-get update

!sudo apt-get install cuda-9.0