Tensorflow: ImportError: libcublas.so.9.0: साझा की गई ऑब्जेक्ट फ़ाइल नहीं खोल सकता: ऐसी कोई फ़ाइल या निर्देशिका नहीं

मुझे लगता है कि यह इस तथ्य के कारण है कि आपके पास CUDA 9.1 है और 9.0 नहीं है, मैं बिल्कुल उसी मुद्दे का सामना कर रहा हूं।

@Timonzimm मुझे पता है और मुझे लगता है कि पूरा मुद्दा यह है f ** नामकरण libcublas.so.xxx जो nvidia डालता है। यह स्वाभाविक रूप से लिनक्स सिस्टम पर बेमेल है जब भी वह संख्या बदलती है, इसलिए चूंकि यह सटीक मिलान नहीं ढूंढ सकता है, तो यह सोचता है कि फ़ाइल मौजूद नहीं है और त्रुटि फेंकता है।

मुझे लगता है कि आपको ''cuda/'' से ''cuda/9.1'' तक प्रतीक लिंक का उपयोग करना चाहिए, या आपका cuda संस्करण tensorflow मास्टर शाखा के लिए बहुत नया है

@ बुरुई 11087 मैं पूरी तरह से सिम्लिंकिंग के बारे में भूल गया। मुझे याद दिलाने के लिये धन्यवाद।

ऐसा लगता है कि यह हल हो गया है (और मूल कारण CUDA - 9.0 बनाम 9.1 का संस्करण बेमेल था)?
इसे बंद कर रहा हूं क्योंकि मैं इसे हल करने के लिए समझता हूं, लेकिन अगर मैं गलत हूं तो कृपया मुझे बताएं।

FYI करें @gunan @ av8ramit (जो आगामी 1.5 रिलीज़ पर काम कर रहे हैं)

मुझे kirk86 के साथ भी ठीक वैसी ही समस्या होती है। मेरे लिए, मैंने cuda टूलकिट 8.0, और cudnn 5.1 स्थापित किया।
फिर मैंने वही किया जो आप लोगों ने ऊपर कहा, ये सब काम नहीं करते।

नाइटलीज़ का उपयोग करने के लिए, आपके पास CUDA 9.0 और cudnn 7 स्थापित होना चाहिए।
@yangfengKAUST cuda और cudnn स्थापित TF के वर्तमान संस्करण के साथ केवल शिकायत कर रहा है कि यह उन संस्करणों को नहीं ढूंढ सकता है जिनकी वह अपेक्षा कर रहा है।

@Timonzimm मुझे एक ही समस्या का सामना करना पड़ रहा है। क्या आपने इसका पता लगा लिया?

मेरे पास 8.0, 9.0, 9.1 स्थापित + कुडन संस्करण हैं जो प्रत्येक के लिए विशिष्ट लगते हैं। सिम लिंकिंग 9.1 libs से काम नहीं किया। मुझे संदेह है कि कभी-कभी LD_LIBRARY_PATH में सिमलिंक काम नहीं करता है जब मैं संस्करणों को /usr/local/cuda लिंक पर स्विच करता हूं। जब तक मैं ग्रहण के अंदर पथों को संभालने के लिए एक क्लीनर तरीका नहीं समझ सकता, तब तक मैंने अपने जावा प्रोग्राम में पुस्तकालयों को लोड करने के लिए इसे कम तकनीकी तरीका समाप्त कर दिया।

    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 जानना चाहेंगे कि आपकी उपरोक्त टिप्पणी में आपका मतलब है कि हमें cuda को 9.0 पर डाउनग्रेड करना चाहिए और tensorflow 1.5 cuda 9.1 के साथ काम नहीं करता है?

आपने इस मुद्दे को बंद कर दिया है लेकिन यह स्पष्ट नहीं है कि हमें कौन सी सही कार्रवाई करनी चाहिए!

नोट: मेरे पास cuda 9.0 के बजाय cuda 9.1 भी स्थापित है।

बस FYI करें, मैंने दोनों को स्थापित किया है। स्क्रैच से बिल्डिंग w/या तो काम करेगी, लेकिन रात के बाइनरी 9.0 का उपयोग करते हैं।

@AwasthiMaddy - हाँ TensorFlow 1.5 रिलीज़ बायनेरिज़ CUDA 9 के लिए बनाए गए हैं।

क्या आपने इसे हल किया है? यह समस्या tensorflow-gpu-1.5 आवश्यक cuda 9.0 के कारण होती है, इसलिए आपको tensorflow-gpu-1.4 स्थापित करना चाहिए। और याद रखें tensorflow-gpu-1.5.1 अनइंस्टॉल करें। कृपया इस "पाइप इंस्टाल --अपग्रेड टेंसरफ़्लो-जीपीयू==1.4" का उपयोग करें

@aipeteryao - धन्यवाद।

किसी को https://www.tensorflow.org/install/install_linux पृष्ठ को ठीक करने की आवश्यकता है यदि यह सत्य है, तो मैंने बिल्कुल इसके निर्देशों का पालन किया है, और आपको CUDA 8.0 स्थापित करने के लिए कहता है (विशेष रूप से, "नवीनतम CUDA" नहीं)।

फिर जैसे ही आप कर रहे हैं, आपको यह त्रुटि मिलती है (यह क्यूबस 9.0 की तलाश में है, जो कि मैं यहां पढ़ सकता हूं, या तो काम नहीं करता, क्योंकि सीयूडीए 9.1 डिफ़ॉल्ट है जो आपको एनवीआईडीआईए से मिलता है)।

या तो वेबपेज निर्देशों को हर चीज के डिफ़ॉल्ट नवीनतम के साथ काम करना चाहिए, या यह आपको स्पष्ट रूप से tensorflow-gpu-1.4 (उदाहरण के लिए) स्थापित करने के लिए कहना चाहिए, न कि tensorflow-gpu..

सेकेंडिंग bwesons की टिप्पणी। मेरे पास CUDA 8.0 और Tensorflow 1.3 है। मैंने TF 1.5 (GPU, ubuntu, virtualenv) के लिए वर्तमान इंस्टाल निर्देशों का पालन किया और यह ऊपर बताए अनुसार टूट जाता है। इसे हल होने तक TF 1.3 पर वापस लाया जा रहा है।

@aipeteryao इसने इसे ठीक कर दिया, धन्यवाद! मैंने अपने वर्चुअलएन्व में नवीनतम संस्करण को अनइंस्टॉल करना और 1.4 इंस्टॉल करना समाप्त कर दिया।

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

उबंटू के लिए इंस्टॉल पेज को अपडेट किया जाना चाहिए: https://www.tensorflow.org/install/install_linux
चूंकि TensorFlow 1.5 Cuda 9.0 (नहीं 9.1), साथ ही cuDNN 7 . की अपेक्षा कर रहा है

वास्तव में, हमें टेंसरफ़्लो के आधिकारिक दस्तावेज़ को देखना चाहिए, यह टेंसरफ़्लो का वातावरण देता है (पायथन, जीसीसी, क्यूडा, कुडन, इत्यादि शामिल हैं)।

@bwesen हाँ, आप सही थे। मेरे कंप्यूटर ने CUDA 8.0, cudnn 6.0, tensorflow 1.4 स्थापित किया।

मुझे लगता है कि यह मुद्दा अभी भी खुला होना चाहिए। @bwesen की टिप्पणी सही है। दस्तावेज़ आपको Cuda 8.0 स्थापित करने और pip install --upgrade tensorflow-gpu । अभी यह आपको टेंसरफ़्लो 1.5 देता है जो Cuda 8.0 . के साथ काम नहीं करता है

पिंगिंग @asimshankar

मेरे पास एक ही समस्या है (क्यूडा 9.1 + टेंसरफ़्लो 1.5 के साथ)। मुझे लगता है कि इसे हल करने के लिए, एक विकल्प यह है कि क्यूडा को 9.0 पर डाउनग्रेड किया जाए। दूसरा विकल्प यह होगा कि दोनों कोडा को 8.0 और टेंसरफ़्लो को 1.4 पर डाउनग्रेड किया जाए। यदि आप पहले से ही cuda 8.0 स्थापित कर चुके हैं, तो आपको cuda 8.0 निर्देशिका (यानी /usr/local/cuda-8.0 ) को इंगित करने के लिए केवल LD_LIBRARY_PATH (और CUDA_HOME ) पर्यावरण चर को संशोधित करने की आवश्यकता है।

मुझे यह समस्या हो रही है (क्यूडा 9.1.85, सीयूडीएनएन 7.05)

टेंसरफ़्लो 1.5 के साथ प्रयास किया, यह टूट गया। अनइंस्टॉल किया गया, 1.4 को pip3 install --upgrade tensorflow-gpu==1.4 साथ स्थापित किया गया, फिर भी टूट गया।

@DylanDmitri 1.5 को Cuda 9.0 की उम्मीद है, 9.1 की नहीं

क्या आपने Cuda 9.0 ड्राइवरों के साथ प्रयास किया है?

@DylanDmitri @mkaze आपको Cuda 9.0 की आवश्यकता है।

साथ ही, किसी को भी आवश्यकताओं को स्थापित करने में परेशानी हो रही है, मेरा सुझाव है कि आपके cuDNN इंस्टॉलेशन को दोबारा जांचें। .deb फ़ाइल ने मेरे लिए काम नहीं किया क्योंकि यह फ़ाइलों को सही जगह पर कॉपी नहीं करती थी। मुझे .tgz फ़ाइल का उपयोग करना था और कार्यशील संस्थापन प्राप्त करने के लिए nVidia के निर्देशों के अनुसार फ़ाइलों को मैन्युअल रूप से कॉपी करना था।

सिर्फ क्यूडा-9-0 क्यों नहीं स्थापित करें?

• यहां जाएं: https://developer.nvidia.com/cuda-90-download-archive
• फिर, मेरे लिए: डेब (नेटवर्क) डाउनलोड करें

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

सिर्फ क्यूडा-9-0 क्यों नहीं स्थापित करें?

@abrahamrhoffman यह किसी के लिए भी आसान है, जिसके पास sudo विशेषाधिकार हैं, लेकिन साझा सिस्टम पर लोगों के बारे में क्या है जैसे कि साधारण उपयोगकर्ता विशेषाधिकार वाले क्लस्टर वातावरण। उन मामलों में भले ही आप किसी भी पुस्तकालय को स्थापित करने के लिए sys व्यवस्थापक से पूछें, शायद उत्तर नहीं होगा! चूंकि वे डरते हैं कि अन्य उपयोगकर्ताओं की सेटिंग्स और वातावरण में हस्तक्षेप कर सकते हैं।

@abrahamrhoffman क्या आप डाउन वोट पर औचित्य प्रदान करने पर भी ध्यान देंगे?

मैंने cuda-9.0 स्थापित किया और फिर भी यह काम नहीं करता है। यह वास्तव में परेशान करने वाला है।

कृपया सुनिश्चित करें कि आप अपने PATH वैरिएबल को ठीक से सेट कर रहे हैं, जैसा कि यहाँ वर्णित है: https://stackoverflow.com/questions/39287744/ubuntu-16-04-nvidia-toolkit-8-0-rc-darknet-compilation-error-expected -ए/41290056#41290056

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}}

क्यूडा 9.1 वर्तमान संस्करण है। मैं चाहता हूं कि टीएफ इसका इस्तेमाल करे। कैसे करें?

यहां तक ​​​​कि tf-nightly-gpu cuda 9.1 की तलाश में नहीं है। हुंह

मैंने सभी 9.0 फ़ाइल नामों से सभी 9.1 फ़ाइल नामों के प्रतीकात्मक लिंक की कोशिश की और यह काम नहीं किया। अंत में, TF सही संस्करण जानता है। रेपो में अब 9.0 भी नहीं है इसलिए मुझे डर है कि अगर मैं 9.1 को हटा दूं और फिर मैन्युअल रूप से 9.0 इंस्टॉल करूं तो मैं अपना एनवीडिया सामान तोड़ दूंगा।

मैं उसे अभी के लिए ठीक करता हूं:

डेब (नेटवर्क) यहां से डाउनलोड करें :

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

फिर: एप्टीट्यूड अपडेट

फिर: योग्यता cuda-9-0 . स्थापित करें

सबसे पहले मैंने टेंसरफ़्लो 1.5 स्थापित किया है, यह टूट गया है, और मुझे निम्न त्रुटि मिलती है:
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
फिर मैंने अनइंस्टॉल किया, 1.4 स्थापित किया pip install --upgrad tensorflow-gpu==1.4, यह काम नहीं किया, और मुझे निम्न त्रुटि मिलती है:
ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory

@xiezhongzhao आप CUDA_HOME और LD_LIBRARY_PATH ।

@mkaze मैंने

@xiezhongzhao Cuda 9.0 स्थापित करें और आपको ठीक होना चाहिए। Tensorflow 1.5 Cuda 9.1 के साथ काम नहीं करता है।

@mkaze बहुत-बहुत धन्यवाद

मुझे यह समस्या भी हो रही है और इसे हल करने के लिए संघर्ष कर रहा हूं।

$ 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

मैंने इन निर्देशों का पालन करते हुए स्थापित किया
https://www.tensorflow.org/install/install_linux#nvidia_requirements_to_run_tensorflow_with_gpu_support

मेरा मानना ​​​​है कि मैंने एनवीडिया से सही संस्करण स्थापित किए हैं। फ़ाइल नाम थे
cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
और cudnn-9.0-linux-x64-v7.tgz (संस्करण 7.0.5)

मैंने टेंसरफ़्लो डॉक्स पर उन निर्देशों के अनुसार पथ निर्धारित किया और उन निर्देशों का भी प्रयास किया जो abrahamrhoffman ऊपर दिए गए थे।

जब मैं ldconfig -v चलाता हूं तो मुझे कुछ 9.0 lib मिलते हैं, लेकिन libcublas.so.9.0 नहीं देखते हैं

/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

मैंने 9.1 स्थापित नहीं किया, कम से कम जानबूझकर नहीं। यह amazon ec2 उदाहरण पर स्टॉक ubuntu 16.04 के साथ है।
nvidia-smi भी एक gpu लौटाता है, यह एक g3.4xबड़ा उदाहरण है

किसी भी मार्गदर्शन की बहुत सराहना की जाती है।

CUDNN गाइड के अनुसार:

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

आपको अनपॅक की गई फ़ाइलों (निर्देशिका से $ tar -xzvf cudnn-9.0-linux-x64-v7.tgz या इसी तरह की) को /usr/local/cuda उपनिर्देशिकाओं में कॉपी करने की आवश्यकता है:

$ 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*

उत्तर @ entropy43 के लिए धन्यवाद।

मुझे और अधिक विशिष्ट होना चाहिए। मैंने उन दो cp और chmod आदेशों को tar । जब मैं फ़ोल्डर cuda फ़ोल्डर में देखता हूं जहां मैंने ls cuda/lib64 जैसे टैर कमांड चलाया, तो मैं देखता हूं
libcudnn.so libcudnn.so.7 libcudnn.so.7.0.5 libcudnn_static.a

मैंने इस खंड को nvidia doc . से भी आजमाया है
2.3.2. Installing from a Debian File

और परीक्षण यहां 2.4. Verifying . में पास होते हैं

उस lib को पाने के लिए कोई सलाह की सराहना की जाती है

क्या कोई संक्षेप में बता सकता है कि यह वर्तमान में कहां खड़ा है? मैं बिना किसी समस्या के TF1.3 + cuda 8 का उपयोग कर रहा हूं। मैं अपग्रेड करना चाहता हूं लेकिन ऐसा लगता है कि नए संस्करणों के लिए इंस्टॉल प्रक्रिया पूरी तरह टूट गई है। सलाह?

जैसा कि यज़बज़रा ऊपर पूछ रहा है:
TF1.6 उबंटू 16.04
एनवीसीसी -वी
एनवीसीसी: एनवीआईडीआईए (आर) कूडा कंपाइलर ड्राइवर
कॉपीराइट (सी) 2005-2017 एनवीआईडीआईए कॉर्पोरेशन
शुक्र_नवंबर__3_21:07:56_CDT_2017 पर निर्मित
क्यूडा संकलन उपकरण, रिलीज 9.1, V9.1.85
जिसके लिए एनवीडिया डिस्प्ले ड्राइवर की आवश्यकता होती है 390+
देखने के लिए महत्वपूर्ण: https://devtalk.nvidia.com/default/topic/1000340/cuda-setup-and-installation/-quot-nvidia-smi-has-failed- क्योंकि-it-couldn-t-communicate-with

यह सब जोड़ने के लिए, एक बड़ी मात्रा में परेशानी के बाद, मैंने एनवीडिया को नवीनतम रिलीज के लिए अद्यतन किया, जैसा कि टीएफ डॉक्टर ने संकेत दिया था कि पहले के रिलीज में बग थे।

अब मुझे मिल रहा है:
ImportError: libcublas.so.9.0: साझा की गई ऑब्जेक्ट फ़ाइल नहीं खोल सकता: ऐसी कोई फ़ाइल या निर्देशिका नहीं
मूल TensorFlow रनटाइम लोड करने में विफल।

जो कि 9.0 (टीएफ चाहता है) बनाम 9.1 के बीच एक बेमेल प्रतीत होता है जो कि सबसे वर्तमान एनवीडिया है।
9.1 के साथ चलना बेहतर प्रतीत होता है लेकिन मैं स्रोत से टीएफ बनाने से बचना चाहता हूं और ऐसा लगता है कि इसे किसी भी तरह ठीक नहीं किया जा सकता है ..

क्या इस कॉम्बो को बाइनरी पैकेज के साथ काम करने के लिए बनाया जा सकता है?
टीएफ 1.6 क्यूडा 9.1 ??

यहां देखने वालों के लिए और ध्यान दें और सावधानी .. मेरे एनवीडिया सामान को अपग्रेड करने के बाद टीएफ के मेरे पुराने संस्करणों को अलग-अलग कोंडा एनवी में अब पुराने टीएफ के रूप में काम नहीं करना चाहिए: आयात त्रुटि: libcublas.so.8.0: साझा ऑब्जेक्ट फ़ाइल नहीं खोल सकता: ऐसी कोई फ़ाइल नहीं या निर्देशिका
तो 9.1 इसे काट नहीं देगा .. से अधिक निर्दिष्ट करने के बारे में कैसे ?? बनाम विशिष्ट संस्करण? बस एक सुझाव.. इस बीच मैं पानी में मर गया..

और यही कारण है कि 9.1 का समर्थन करने वाले बाइनरी की उपलब्धता अच्छी होगी: (टीएफ 1.6 रिलीज नोट्स से)

XLA का उपयोग करना GPU का परिणाम कचरा परिणाम और/या
CUDA_ILLEGAL_ADDRESS विफलताएं।

Google ने दिसंबर 2017 के मध्य में CUDA 9 . में PTX-to-SASS कंपाइलर की खोज की
और CUDA 9.1 कभी-कभी कैरी बिट की ठीक से गणना नहीं करता है जब
एसएएसएस में 32-बिट अंकगणित में बड़े ऑफ़सेट (जैसे लोड [x + big_constant]) के साथ 64-बिट पता गणना को विघटित करना।

परिणामस्वरूप, ptxas के ये संस्करण अधिकांश XLA प्रोग्रामों का गलत संकलन करते हैं जो उपयोग करते हैं
4GB से अधिक अस्थायी मेमोरी। इसके परिणामस्वरूप कचरा परिणाम होता है और/या
CUDA_ERROR_ILLEGAL_ADDRESS विफलताएं।

फरवरी 2018 के अंत में CUDA 9.1.121 में एक सुधार की उम्मीद है। हम उम्मीद नहीं करते हैं
CUDA 9.0.x के लिए ठीक करें। जब तक समाधान उपलब्ध नहीं हो जाता, तब तक इसका एकमात्र समाधान है
CUDA 8.0.x . पर डाउनग्रेड करें
या एक्सएलए अक्षम करें

हो सकता है कि नाइटलीज़ में से कोई एक करता हो?

एक और समाधान? क्या कोई कूडा के कई संशोधन स्थापित कर सकता है क्योंकि टीएफ विशिष्ट रेव की खोज करता है? यदि हां, तो कोई सलाह कैसे करें?

तो आदर्श रूप से मैं एक कोंडा पर्यावरण में टीएफ 1.4 (जिसे वर्तमान में क्यूडा 8.0 की आवश्यकता है) चलाने में सक्षम हूं और टीएफ 1.6 (जिसे वर्तमान में क्यूडा 9.0 की आवश्यकता है) दूसरे में?

इसलिए मैंने अभी sudo apt-get -y install cuda-toolkit-9.0 जोड़ा है और मैं TF1.6 के साथ चल रहा हूं और चल रहा हूं

@dartdog cuda-toolkit-9.0 स्थापित करने के बाद, क्या आपको ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory समस्या का सामना करना पड़ा?

@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}}

जैसा कि @bwesen ने कहा है, इसे निश्चित रूप से टेंसरफ़्लो दस्तावेज़ में शामिल किया जाना चाहिए। इसे भी त्रुटियों की सूची में शामिल किया जाना चाहिए। क्या हमारे लिए किसी भी तरह से ऐसा करना संभव है? मुझे लगता है कि मैं एक नया मुद्दा खोलने जा रहा हूं, या तो क्यूडा 9.1 के लिए समर्थन जोड़ने का अनुरोध कर रहा हूं, या उल्लेख करता हूं कि आपको विशेष रूप से दस्तावेज़ों में क्यूडा 9.0 की आवश्यकता है, और इसे त्रुटियों की सूची में भी शामिल करें

ठीक है दोस्तों। मैंने अब https://github.com/tensorflow/tensorflow/issues/17629 पर एक नया अंक खोला है

मैं इस मुद्दे को भी संभाल रहा था। टेंसरफ़्लो-जीपीयू 1.6 के साथ मेरे लिए क्या काम आया:

• मैंने संग्रह से टूलकिट को 9.0 के रूप में डाउनलोड किया लेकिन यह 9.1 के रूप में स्थापित हो गया (मुझे नहीं पता क्यों...)
• अभी भी नहीं मिला libcublas.so.9.0
• रन: sudo apt-get install cuda-libraries-9-0 जैसा कि इंस्टॉलेशन निर्देशों के अंत में सुझाया गया है।
• ऐसा लगता है कि मामला सुलझ गया है।

यदि आप अपने CUDA संस्करण के साथ टेंसरफ़्लो काम करना चाहते हैं, तो आपको पहले इसे अनइंस्टॉल करना होगा, फिर इसे स्रोत से संकलित करना होगा और ./configure चलाते समय CUDA संस्करण निर्दिष्ट करना होगा।
विस्तृत जानकारी यहां पाई जा सकती है: https://www.tensorflow.org/install/install_sources

मैं यह कोशिश कर रहा हूं (जो मैन्युअल रूप से टेंसरफ़्लो बनाता है) लिंक

थोड़ा अधिक समय लग सकता है लेकिन आप इस तरह से छोटे संस्करणों को परिभाषित कर सकते हैं।

@ mldm4 वास्तव में, कमांड sudo apt-get install cuda शायद आपके लिए 9.1 इंस्टॉल किया है क्योंकि आपके सिस्टम में भी ऐसा ही था। मुझे भी यही समस्या थी, और मैंने एक विशिष्ट संस्करण स्थापित करने के लिए sudo apt-get install cuda-9-0 किया (मैंने संग्रह से भी डाउनलोड किया था)।
मुझे लगता है कि आपने जो कॉमाड किया था ( sudo apt-get install cuda-libraries-9-0 ) वह भी cuda 9.0 डाउनलोड करता है।
यह समस्या हल नहीं हुई है, जैसा कि मैंने 17629 अंक में उल्लेख किया है, मुझे पता है कि समस्या यह है कि TensorFlow संस्करण 9.0 की अपेक्षा करता है, जबकि मेरे पास 9.1 था। समस्या यह है कि डॉक्स में इसका अधिक स्पष्ट रूप से उल्लेख किया जाए और इसे डॉक्स के निचले भाग में सामान्य इंस्टॉलेशन समस्याओं में शामिल किया जाए, या टेन्सरफ़्लो को अपडेट करके Cuda 9.1 को स्वीकार किया जाए।

तो अभी तक कोई समाधान नहीं?

@ धागा :

*कृपया पोस्ट को ध्यान से पढ़ें! *

धागे को पढ़ना और समाधान खोजना आपका काम है; न केवल अंत तक स्क्रॉल करें।

@abrahamrhoffman वह असभ्य है।

मैंने अभी अपना बैचआरसी cuda-9.1 से बदलकर सिर्फ cuda कर दिया है। तब मेरा टेंसरफ़्लो libcublas.so.9.0 . खोजने में सक्षम है

बस fyi: cuda-9.0 डाउनलोड करने के लिए nvidia वेबसाइट वास्तव में cuda-9.1 डाउनलोड कर रही है। 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 शायद इसलिए कि आपके पास 9.1 भी स्थापित है। 9.0 इंस्टॉल करने के लिए, डाउनलोड करने के चरणों में, sudo apt-get install cuda-9-0 बजाय sudo apt-get install cuda ।

@ cubetastic33 मैंने अपने टेंसरफ़्लो संस्करण को डाउनग्रेड किया और cuda8.0 का उपयोग किया, वैसे भी धन्यवाद।

@DanlanChen लेकिन फिर, मुझे लगता है कि इसे नवीनतम संस्करण का उपयोग करने के लिए

मुझे एक ही समस्या का सामना करना पड़ रहा है, लेकिन मैं एनवीडिया-डॉकर का उपयोग करके टेंसरफ़्लो चलाने की कोशिश कर रहा हूं। मेरे पास मेजबान पर cuda-9-0 स्थापित है, लेकिन जब मैं अपना डॉकटर कंटेनर चलाने की कोशिश करता हूं तो मुझे मिलता है

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

@ मैजिक 93 और वह सब जो यहाँ आता है!

सुनना! आपको जो कुछ भी चाहिए वह आपके क्यूडा 9.1 -> क्यूडा 9.0 को डाउनग्रेड करना है। इतना ही! बस इसे करें (यदि आपने इससे पहले cuda 9.1 डाउनलोड किया है तो आप अपने टर्मिनल में निम्न आदेश निष्पादित कर सकते हैं):

sudo apt-get install cuda-9-0 और cuda 9.1 को rm -rf द्वारा हटा दें।

बीटीडब्ल्यू, अपने ~/.bashrc (9.1 -> 9.0) में $PATH को बदलना न भूलें।

नमस्ते @Oktai15

सुनना! आपको जो कुछ भी चाहिए वह आपके क्यूडा 9.1 -> क्यूडा 9.0 को डाउनग्रेड करना है। इतना ही! इसे कर ही डालो

हाँ, मैंने ऐसा किया है - कई बार।

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

फिर भी मैं इस सरल टेंसरफ़्लो स्क्रिप्ट को भी नहीं चला सकता, क्योंकि इसके परिणामस्वरूप मुझे 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()

मेरे पास एक ही समस्या थी जो हर किसी के पास है, 9.0 स्थापित करने से मदद मिली लेकिन फिर मुझे अन्य समस्याएं मिलीं।
तब मैं पीछा किया इस और यह अंत में मेरे लिए काम किया।

@Oktai15 rm -rf आपके सिस्टम को डिलीट नहीं करता है? कृपया यहां अधिक स्पष्ट रहें, क्योंकि लोग आवश्यक निर्देशिका में जाए बिना इसे आजमा सकते हैं, और अंत में अपने होम फ़ोल्डर को खाली कर सकते हैं।

@ Magick93 आपकी समस्या कुछ और प्रतीत होती है, CUDA संस्करण की नहीं।

मेरे पास एक ही मुद्दा था, मुझे लगता है कि मैंने कुछ बदलाव करके हल किया, यह संयोजन मेरे लिए काम करता है

उबंटू 16, क्यूडा 9.0, कुडन 7.0, पायथन 3,5, टेंसरफ्लो 1.6

यदि आप नया क्यूडा स्थापित करते हैं, जबकि आपके पास अभी भी पिछला संस्करण है, तो कृपया इस तरह से पथ निर्दिष्ट करना सुनिश्चित करें

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 आपका उबंटू संस्करण वास्तव में मायने नहीं रखता है। बात यह है कि, TensorFlow 1.6 को CUDA संस्करण 9.0 और cuDNN संस्करण 7.0.4 (हाँ, 0.4 _does_ बात) होने की उम्मीद है।

ट्रेसबैक (सबसे हालिया कॉल अंतिम):
फ़ाइल "utils.py", लाइन 15, in
tf . के रूप में टेंसरफ़्लो आयात करें
फ़ाइल "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/__init__.py", लाइन 24, में
tensorflow.python आयात से *
फ़ाइल "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/__init__.py", लाइन 49, में
tensorflow.python से pywrap_tensorflow आयात करें
फ़ाइल "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py", लाइन 74, में
आयात त्रुटि बढ़ाएं (संदेश)
आयात त्रुटि: ट्रेसबैक (सबसे हालिया कॉल अंतिम):
फ़ाइल "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py", लाइन 58, में
tensorflow.python.pywrap_tensorflow_internal आयात से *
फ़ाइल "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", लाइन 28, में
_pywrap_tensorflow_internal = swig_import_helper ()
फ़ाइल "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", लाइन 24, swig_import_helper में
_mod = imp.load_module ('_pywrap_tensorflow_internal', fp, पथनाम, विवरण)
ImportError: libcublas.so.9.0: साझा की गई ऑब्जेक्ट फ़ाइल नहीं खोल सकता: ऐसी कोई फ़ाइल या निर्देशिका नहीं

मूल TensorFlow रनटाइम लोड करने में विफल।

देखें https://www.tensorflow.org/install/install_sources#common_installation_problems
sudo apt-cuda-7-0 . स्थापित करें
विम ~/.bashrc
निर्यात पथ=/usr/स्थानीय/क्यूडा-7.0/बिन${पथ:+:${पथ}}
निर्यात LD_LIBRARY_PATH=/usr/स्थानीय/cuda7.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
निर्यात पथ=/usr/स्थानीय/क्यूडा-9.0/बिन${पथ:+:${पथ}}
निर्यात LD_LIBRARY_PATH=/usr/स्थानीय/cuda9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PA
कुछ सामान्य कारणों और समाधानों के लिए। संपूर्ण स्टैक ट्रेस शामिल करें
मदद मांगते समय इस त्रुटि संदेश के ऊपर।

जैसा कि @ पास्कलहूप ने उल्लेख किया है, मैंने स्रोत से टेंसरफ़्लो बनाने के लिए यहां http://www.python36.com/install-tensorflow141-gpu/ के निर्देशों का पालन किया।

जब भी यह कहा गया कि cuda 9.0 मैं 9.1 में बदल गया, और cudnn 7.0 मैंने 7.1.2 डाल दिया।

ठीक काम किया, अब तक!

@SAGGSOC आप

हर कोई जिसे समस्या हो रही है: इसे एक ठोस डॉकटर छवि में बदलने के लिए कौन तैयार है जिसे समुदाय के साथ साझा किया गया है। सामान काम करने से पहले CuDNN के 5 संस्करणों को DLing की तुलना में काम करने के बजाय एक बार 6GB इमेज पुल करें।

https://github.com/pascalwoop/tf_openailab_gpu_docker

मैंने कुछ समय पहले शुरू किया था लेकिन प्रोजेक्ट फोकस बदलने के कारण रुक गया। लेकिन मुझे लगता है कि यह पीछा करने लायक है। अधिकांश पीपीएल से 17 चलती भागों का सही संयोजन खोजने की पूरी परेशानी को दूर रखता है।

इस पोस्ट पर ठोकर खाने वाले किसी भी व्यक्ति के लिए बस कुछ चीजों को स्पष्ट करने के लिए। मैंने अपने सिस्टम में cuda-8.0, cuda-9.0, cuda-9.1 स्थापित किया है। टेंसरफ़्लो के साथ काम करने के लिए आपको कुछ भी निकालने की ज़रूरत नहीं है। इसके बजाय यदि आप अपने सिस्टम से cuda-9.0 खो रहे हैं, जैसा कि अन्य पहले ही बता चुके हैं, तो आपको इसे स्थापित करने की आवश्यकता होगी जो कि टेंसरफ़्लो के ठीक से काम करने के लिए एक पूर्वापेक्षा है।

आप CUDA-9.0 आप सिस्टम पर स्थापित किया है और tensorflow के बारे में शिकायत है, तो libcublas.so.9.0 फिर से के रूप में अन्य लोगों ने कहा बेनकाब है कि आपके माध्यम से रनटाइम के दौरान LD_LIBRARY_PATH में वातावरण चर अपने .bashrc यह कर /usr/local/cuda-9.0/lib64 को इंगित करें। यह टेंसरफ़्लो 1.7 के लिए भी काम करना चाहिए।

मैंने जो कोशिश की है और पूरा करने में असफल रहा है वह स्रोत से निर्मित है। किसी कारण से बेज़ल हमेशा एक त्रुटि के साथ बाहर निकलता है। यदि आप cuda-9.0/cuda-9.1 और cudnn7 के साथ निर्माण करने का प्रयास करते हैं तो यह gcc7 के बारे में शिकायत करता है। ऐसा लगता है कि जीसीसी 5 संकलन का उपयोग ठीक काम कर रहा है लेकिन अंत में मुझे हमेशा एक त्रुटि मिलती है और निर्माण असफल होता है।

मेरा सवाल यह है कि अगर कोई बिना किसी समस्या के cuda-9.1/cuda-9.0 के साथ स्रोत से संकलन करने में कामयाब रहा है?

यह मेरे लिए काम किया:

एनवीडिया पिछले रिलीज सेक्शन से CUDA टूलकिट 9.0 डाउनलोड करें।
फिर:

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

उपरोक्त अंतिम पंक्ति में 9.0 नोटिस करें।

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

मेरा सेटअप
टेंसरफ़्लो 1.7
सीयूडीएनएन 7.1.2
उबंटू 16.04

एटेमिज़,
मेरे पास एक ही सेटअप है और यह मेरे लिए भी काम करता है।

आपके पोस्ट के लिए शुक्रिया :)

मेरी भी यही स्थिति थी। मेरे पास cuda 9.1 था, और tensorflow को cuda 9.0 के लिए लाइब्रेरी नहीं मिलेगी।

मैंने कमांड के साथ cuda 9.0 स्थापित किया है: sudo apt-get install cuda-libraries-9-0

इससे मेरी समस्या हल हो गई।

क्यूडा 8 और 9.0 स्थापित होने के साथ, LD_LIBRARY_PATH को .bashrc और .profile काम नहीं करता है। तो, मैंने सेट किया
LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64 pycharm पर्यावरण चर क्षेत्र में और यह काम करता है।

उपरोक्त ने उबंटू सर्वर 17 पर स्थापित करने के लिए काम किया। अर्थात्,

• cuda-9.0 स्थापित करना (9.1 नहीं)
• CUDA 9.0 . के लिए cuDNN v7.1.2 (मार्च 21, 2018)
• आधिकारिक tf स्थापना निर्देशों के अनुसार बाकी सब कुछ

संकलन की तुलना में बहुत आसान है।

कोंडा यूजर्स सावधान रहें। मैंने उसी समस्या का सामना किया और दो दिनों तक अपना सिर खुजला रहा था, आखिरकार मुझे पता चला कि libcudnn.so की स्थानीय प्रति का उपयोग कोंडा द्वारा किया गया था, इसके तहत:
/miniconda3/lib/libcudnn.so जो libcudnn.so.7 की ओर इशारा करता है जो libcudnn.so.7.0.5 की ओर इशारा करता है
मुझे याद नहीं है कि किसने और कैसे इसे वहां रखा था, लेकिन बहुत ज्यादा यह सिस्टम डिफ़ॉल्ट libcudnn.so.7.1.2 को अधिभारित करता है !!!

एक बार हटा दिए जाने पर, सब कुछ एक आकर्षण की तरह काम करता है:
टेंसरफ़्लो 1.7 या 1.8-रात में, cuda-9.1, cudnn-7.1.2 ubuntu 16.04 पर

किसी तरह, मैंने इसे स्थापित करके हल किया:
क्यूडा 9.1 (पैकेज मैनेजर से),
क्यूडन 7.1 9.1 . के लिए
और एनाकोंडा से:
इस डिफ़ॉल्ट कमांड का उपयोग करके 'conda install -c anaconda tensorflow-gpu'
कुडाटूलकिट 9.0,
टेंसरफ़्लो 1.7,
टेंसरफ़्लो-जीपीयू 1.7

मैंने अपने पीसी में एन्टरगोस लिनक्स, जीटीएक्स 1060 का इस्तेमाल किया। इसने मेरी नोटबुक (ज़ुबंटू 18.04, जीटी 840 मीटर) में भी काम किया। मेरी नोटबुक में मैंने प्रयोग किया:
क्यूडा 9.1 (एनवीडिया पीपीए से), क्यूडन 7.1 9.1 के लिए (एनवीडिया वेब से), और बाकी समान था

धन्यवाद @सुनंदा! यह जादू की तरह काम करता है।

यदि आपके पास CUDA का पुराना संस्करण है, तो पुस्तकालय लिंक पुराने पुस्तकालय की ओर इशारा कर सकता है, यहां तक ​​कि आप नए CUDA को स्थापित करते हैं, खासकर यदि आप इसे मैन्युअल रूप से स्थापित करते हैं। अपने पुराने इंस्टॉलेशन को हटाने का प्रयास करें, और फिर डायनामिक लिंक को अपडेट करने के लिए sudo ldconfig।

अभी तक कोई समाधान नहीं!?

किसी के लिए भी जो इस पर ठोकर खा सकता है, मैंने नवीनतम टेंसरफ़्लो 1.8.0-आरसी 1 का सामुदायिक पहिया जारी किया है जिसे क्यूडा 9.1 के साथ बनाया गया है। आप इसे यहाँ पा सकते हैं!

मुझे पता चला है कि इसका कारण ldconf है, ldconfig एक डायनेमिक लिंक लाइब्रेरी मैनेजमेंट कमांड है जिसका उद्देश्य डायनामिक लिंक लाइब्रेरी को सिस्टम द्वारा उपयोग करने की अनुमति देना है।

डिफ़ॉल्ट ldconf केवल खोज /lib और /usr/lib, साथ ही विन्यास फाइल /etc/ld. इसलिए। कॉन्फ़.

तो यह सब स्थापित CUDA पथ में CUDA की गतिशील लाइब्रेरी के कारण होता है जैसे: /path/cuda-9.0/lib64 या /path/cuda-9.0/lib. (उदाहरण के लिए मेरा CUDA /usr/local/cuda-9.0 में स्थापित है)

1. यदि आप CUDA मैनुअल स्थापित करते हैं, तो स्थापित करने के बाद, आपको cuda/lib64 का पथ /etc/ld.so.conf फ़ाइल में जोड़ना चाहिए
   sudo echo "/usr/local/cuda-9.0/lib64/" >> /etc/ld.so.conf
   फिर
   sudo ldconfig

   बेशक, आप पथ मैनुअल जोड़ सकते हैं, जैसे:
   vim /etc/ld.so.conf
   फिर अंत में '/usr/local/cuda-9.0/lib64' पथ जोड़ें।
   sudo ldconfig
   ऑपरेशन के बाद, ipython या pycharm को फिर से खोलें,
   tf . के रूप में टेंसरफ़्लो आयात करें
   वाह, आप इसका आनंद लेंगे!

2. यदि आप 'dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb' या अन्य जैसे कमांड द्वारा CUDA स्थापित करते हैं, तो यह cuda lib पथ को /etc/ld.so.conf में स्वचालित रूप से जोड़ सकता है। लेकिन सुरक्षित पक्ष पर रहने के लिए, /etc/ld.so.conf जांचें और देखें कि क्या पथ इसमें जुड़ता है।

@NYCleaner
उबंटू पर, एक /etc/ld.so.conf.d/cuda-9-1.conf फ़ाइल है जिसमें :
/usr/local/cuda-9.1/targets/x86_64-linux/lib

क्या यह पर्याप्त है या क्या मुझे इसमें निर्देशिका /usr/local/cuda-9.1/lib64/ जोड़ने की आवश्यकता है?

@sebma
आपको इसमें /usr/local/cuda-9.1/lib64/ पथ जोड़ना चाहिए， * .so फ़ाइलें lib64 में हैं

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

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

@ माशू अच्छा दूसरा विकल्प यह है कि समुदाय पूर्व-निर्मित पहिए प्रदान करता है। यदि आप ऊपर 2-3 सूत्र पढ़ते हैं तो आप वह भी देखेंगे जिसका उल्लेख किया गया है।

@ सुआनंदा धन्यवाद, यह मेरे लिए टेंसरफ़्लो कोंडा वातावरण में काम करता है।
आधिकारिक लोगों को इंस्टॉलेशन गाइड को संशोधित करने का सुझाव दें " https://www.tensorflow.org/install/install_linux#InstallingAnaconda ", एनाकोंडा इंस्टालेशन का चरण 4, "पाइप इंस्टॉल --ignore-installed --upgrad tfBinaryURL" से "conda" इंस्टाल-सी एनाकोंडा टेंसरफ्लो-जीपीयू"

सॉफ्टलिंक इस समस्या का समाधान नहीं लगता है:

➜  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

फिर भी मिला:

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:

जब मैं अपना कोड सीधे लिनक्स वातावरण पर चलाता हूं, तो सब कुछ ठीक है। लेकिन जब मैं दूरस्थ दुभाषिया के माध्यम से स्थानीय pycharm पर चलता हूं, तो मुझे समस्या का सामना करना पड़ता है: ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory. "Failed to load the native TensorFlow runtime."

निर्यात पथ=${पथ}:/usr/स्थानीय/क्यूडा-9.0/बिन
निर्यात CUDA_HOME=${CUDA_HOME}:/usr/स्थानीय/cuda:/usr/स्थानीय/cuda-9.0
निर्यात LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/स्थानीय/cuda-9.0/lib64
निर्यात LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/स्थानीय/क्यूडा/अतिरिक्त/CUPTI/lib64

यदि pycharm का उपयोग करें - इसे दुभाषिया में जोड़ें

f के बारे में क्या ** मैं केवल tensorflow1.8 और cuda9.1 का उपयोग करना चाहता हूं?

@dongzhuoyao तो समस्या क्या है? ऊपर मेरी टिप्पणी 6 सूत्र देखें और आपको वहां अपना समाधान मिल जाएगा!

मुझे लगता है कि समस्या cuda 9.2 और tensorflow-gpu 1.8 साथ फिर से सामने आई है। वर्चुअलएन्व में, मुझे मिलता है:

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

मेरे /usr/local/cuda-9.2/lib64 फ़ोल्डर में निम्नलिखित libcublas हैं:

$ 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

संस्करण:

Ubuntu 16.04
cuda 9.2
cudnn 7.1.4
tensorflow-gpu 1.8.0

cuda 9.2 का उपयोग करने के लिए हमें tensorflow-gpu के अपडेट की आवश्यकता होगी।

इसके अलावा, अगर मुझे क्यूडा 9.0 में डाउनग्रेड करना है, तो क्या मुझे पहले क्यूडा 9.2 को हटाना होगा या सिर्फ 9.0 को सीधे इंस्टॉल करना होगा? क्या मेरे पास परस्पर विरोधी प्रतिष्ठान होंगे?

@mebble यहां आप जाएं: लिंक । क्यूडा 9.2 के लिए वह टीएफ 1.8 व्हील है।

अगर मुझे क्यूडा 9.0 में डाउनग्रेड करना है, तो क्या मुझे पहले क्यूडा 9.2 को हटाना होगा?

डाउनग्रेड न करें। जो भी अन्य संस्करण आप चाहते हैं उसे स्थापित करें वे /usr/local/cuda-x.x पर स्थापित हो जाएंगे

धन्यवाद! मैं यह उल्लेख करना भूल गया कि मैं python 3.5.2 और pip 10.0.1 का उपयोग कर रहा हूं। मुझे लगता है कि पहिया अजगर 3.6 के लिए है इसलिए इंस्टॉल काम नहीं करता है। क्या आपके पास 3.5 के लिए भी एक है?

@ kirk86 आपके द्वारा दिए गए
मैं CentOS और K80 GPU, cuda 9.2 और cudnn v7.1 . पर हूँ

सुझाव

जहां तक ​​​​मुझे पता है कि आपके पास उप-पैकेज xxx, yyy, zzz इत्यादि हो सकते हैं .. और उन्हें अनुसरण के रूप में स्थापित करें

pip install mainpackage[xxx]

इस तरह विभिन्न सह-मौजूदा बैक-एंड प्रदान किए जा सकते हैं। Tensorflow को विभिन्न विकल्पों के साथ बनाया जा सकता है, इसलिए इस तरह से कम से कम कुछ cuda-toolkit बिल्ड प्रदान किए जा सकते हैं।

पैकेज का पूरा बिंदु निर्माण के समय को बचाने के लिए है, लेकिन पुस्तकालयों के बहुत विशिष्ट सेट के लिए पैकेज का निर्माण जो ठीक से स्थापित होता है, लेकिन काम नहीं करता है, वह काउंटर-उत्पादक है। इस तरह के पैकेज को पहले स्थान पर न रखना ही बेहतर होगा।

@mebble सिर्फ अजगर 3.6 के लिए एक कोंडा आभासी वातावरण बनाएं। सुनिश्चित करें कि आपने अपने सिस्टम openmpi पर भी इंस्टॉल किया है।

@ pavan-08 अपने सिस्टम पर openmpi भी स्थापित करें nccl 2.x जो भी nvidia से नवीनतम है। मैंने अधिकांश पैकेजों और पुस्तकालयों के साथ tf संकलित किया है, इसलिए इसका उपयोग hdfs, kafta, aws, आदि किया जा सकता है। इसलिए libmpi.so पूछ रहा है क्योंकि यह openmpi लाइब्रेरी से है।

cuda 9.2 और tensorflow-gpu 1.8 के साथ मैं tensorflow का निर्माण नहीं कर सकता

घोषित आउटपुट 'external/local_config_cuda/cuda/cuda/lib/libcudnn.so.7' एक झूलती प्रतीकात्मक कड़ी है

सिम्लिंक मौजूद है

संस्करण:

उबुन्टु 17.10
कूडा 9.2
कुडन 7.1.4
टेंसरफ़्लो-जीपीयू 1.8.0

यह मेरे लिए काम करता है (टेंसरफ्लो-जीपीयू == 1.8.0 और क्यूडा संस्करण 9.0 है, एनाकोंडा में स्थापित करें)

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

से सुझाव: https://stackoverflow.com/questions/48428415/importerror-libcublas-so-9-0-cannot-open-shared-object-file

@Jackiexiao हाँ, मैं यही कहने जा रहा था। मैं एक वर्कस्टेशन का उपयोग कर रहा हूं, इसलिए मेरे लिए मुझे केवल 9.2 के बजाय CUDA 9.0 का उपयोग करने की आवश्यकता थी (क्योंकि CUDA के कई संस्करण स्थापित किए गए थे)

यह मेरे लिए काम किया:
क्योंकि Tensorflow> 1.4 के लिए CUDA 9 की आवश्यकता है, मैंने सभी CUDA संस्करणों की स्थापना रद्द कर दी है:

1. सुडो आरएम-आरएफ / यूएसआर / स्थानीय / क्यूडा *
2. डीपीकेजी-एल | ग्रेप कूडा- | अजीब '{प्रिंट $2}' | xargs -n1 sudo dpkg --purge

पूरी तरह से CUDA 9.0 और CuDNN 7.0.x स्थापित करें और रिबूट करें।

कृपया CUDA, CuDNN और Tensorflow के संयोजन देखें।

यह त्रुटि मुख्य रूप से एनवीडिया-ड्राइवर, CUDA, CuDNN और Tensorflow-gpu के गलत संस्करण संयोजनों के कारण होती है

धन्यवाद!

| |
मैं
|
|
邮箱：
|

签名 由 网易 邮箱 大师 定制

08/18/2018 08:00 को ध्रुव श्रीवास्तव ने लिखा:

कृपया CUDA और CuDNN के संयोजन देखें।

यह त्रुटि मुख्य रूप से एनवीडिया-ड्राइवर, CUDA, CuDNN और Tensorflow-gpu के गलत संस्करण संयोजनों के कारण होती है

-
आप इसे प्राप्त कर रहे हैं क्योंकि आपने टिप्पणी की थी।
इस ईमेल का सीधे उत्तर दें, इसे GitHub पर देखें, या थ्रेड को म्यूट करें।

@dhruvhacks गुड। मुझे लगता है कि लोगों को सही संस्करण cuda के साथ tensorflow-gpu का सही संस्करण स्थापित करना चाहिए।

मैं उबंटू 18.08 पर हूं, और कूडा 9.0 यहां स्थापित था:

/usr/local/cuda-9.0

मैंने libcublas.so.9.0 तलाश करने का फैसला किया:

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

उसने मुझे बताया कि फ़ाइल /usr/local/cuda-9.0/lib64/stubs/libcublas.so.9.0 , जिससे मुझे यह महसूस करने में मदद मिली कि मुझे दो समस्याएं थीं: ~/.bash_profile मैंने सेट किया था: export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64/ , लेकिन मेरी फ़ाइल stubs निर्देशिका, इसलिए मुझे इसका उपयोग करने की आवश्यकता है:

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

अंत में, libcublas.so.9.0 का स्वामित्व रूट के पास था, इसलिए मैंने अनुमतियों और फ़ाइल के स्वामी को बदल दिया:

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

और सब ठीक था!

क्यूडा 8 और 9.0 स्थापित होने के साथ, LD_LIBRARY_PATH को .bashrc और .profile काम नहीं करता है। तो, मैंने सेट किया
LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64 pycharm पर्यावरण चर क्षेत्र में और यह काम करता है।

बिल्कुल सही, समस्या को हल करने के लिए बहुत-बहुत धन्यवाद, मैंने इसे सुलझाने के लिए दिन बिताए हैं। वास्तव में सराहना दोस्त

मुझे इस समस्या का भी सामना करना पड़ता है जब मैं दूरस्थ सर्वर पर अपना कोड डीबग करने के लिए PyCharm का उपयोग
मेरा समाधान है : अपने सर्वर से कनेक्ट होने के बाद टर्मिनल में इस लाइन को इनपुट करें

sudo ldconfig /usr/local/cuda/lib64

और मैंने इस लिंक का संदर्भ

@NYcleaner बहुत बहुत धन्यवाद! यह मदद करता है! और मैंने पाया कि प्रतीकात्मक लिंक का उपयोग भी काम करता है।
sudo echo "/usr/local/cuda/lib64/" >> /etc/ld.so.conf
sudo ldconfig

यह अभी भी Cuda 9.1 और Tensorflow 1.11 . के साथ एक समस्या है

क्यूडा 10.0 टेंसरफ़्लो 1.11

और भी बेहतर उपाय - टेंसरफ़्लो को हटा दें, पाइटोरच स्थापित करें
टेंसरफ़्लो इतनी आसानी से ब्रेक क्यों लगा सकता है?
मैं इसे अभी स्थापित और चला क्यों नहीं सकता?
पाइटोरच के साथ इतना आसान और tf के साथ अप्रत्याशित क्यों है? डब्ल्यूटीएफ इसके साथ गलत है?

सिर्फ क्यूडा-9-0 क्यों नहीं स्थापित करें?

• यहां जाएं: https://developer.nvidia.com/cuda-90-download-archive
• फिर, मेरे लिए: डेब (नेटवर्क) डाउनलोड करें

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

उबंटू के तहत 18.04 क्यूडा 9-0 (आधिकारिक तौर पर) उपलब्ध नहीं है। यह काम करता है, यद्यपि।

नमस्ते,
मैं जितना संभव हो सके PyTorch का उपयोग करता हूं, लेकिन एक विशेष परियोजना के लिए जहां मुझे tensorflowjs में एक (केरस) मॉडल निर्यात करने की आवश्यकता होती है, मुझे tf. एकमात्र समाधान जिसने मेरे लिए अच्छा काम किया है, वह स्रोत से निर्माण करना है, उबंटू मल्टीवर्स से CUDA स्थापित करने के बाद, जैसा कि यहां वर्णित है:

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

सौभाग्य!

CUDA 9 आधिकारिक वेबसाइट के अनुसार Ubuntu 18.04 पर समर्थित नहीं है

आधिकारिक वेबसाइट के अनुसार Tensorflow CUDA 9 से ऊपर की किसी भी चीज़ का समर्थन नहीं करता है

क्या हमें जल्द ही टेंसरफ़्लो के लिए आधिकारिक CUDA 10 समर्थन मिल सकता है?

और भी बेहतर उपाय - टेंसरफ़्लो को हटा दें, पाइटोरच स्थापित करें
टेंसरफ़्लो इतनी आसानी से ब्रेक क्यों लगा सकता है?
मैं इसे अभी स्थापित और चला क्यों नहीं सकता?
पाइटोरच के साथ इतना आसान और tf के साथ अप्रत्याशित क्यों है? डब्ल्यूटीएफ इसके साथ गलत है?

बेवकूफ समाधान

मैंने Cuda 10 और Tensor Flow का नवीनतम संस्करण स्थापित किया है, लेकिन मुझे ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory प्राप्त हुआ है, मैंने डाउनग्रेड किया है और मुझे अभी भी यह संदेश प्राप्त हो रहा है...

मैंने Cuda 10 और Tensor Flow का नवीनतम संस्करण स्थापित किया है, लेकिन मुझे ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory प्राप्त हुआ है, मैंने डाउनग्रेड किया है और मुझे अभी भी यह संदेश प्राप्त हो रहा है...

क्या आप हमें ओएस संस्करण और "डाउनग्रेड" के लिए जारी सटीक आदेश बता सकते हैं?

मैंने दीपिन 15.8 और मिंट 19.1 की कोशिश की, मैं बाद में विंडोज 10 का परीक्षण करने जा रहा हूं। आदेश pip install --upgrade tensorflow-gpu==version , मैंने मास्टर संस्करणों की कोशिश की: 1.9.0, 1.10.1, 1.11.0 और 1.12.0। क्यूडा संस्करण और ड्राइवर:

@Sphinxs , मेरी राय में आपके पास दो तरीके हैं: ए) स्थानीय रूप से पायथन व्हील को फिर से क्यूडा-9.0 स्थापित करें जैसा मैंने अपनी 18.04 स्थापना के लिए किया था और यह अभी भी महीनों के बाद काम कर रहा है।

और भी बेहतर उपाय - टेंसरफ़्लो को हटा दें, पाइटोरच स्थापित करें
टेंसरफ़्लो इतनी आसानी से ब्रेक क्यों लगा सकता है?
मैं इसे अभी स्थापित और चला क्यों नहीं सकता?
पाइटोरच के साथ इतना आसान और tf के साथ अप्रत्याशित क्यों है? डब्ल्यूटीएफ इसके साथ गलत है?

आदमी के पास एक बिंदु है। TF को अधिक आधुनिक CUDA संस्करणों के साथ काम करने के लिए संकलित किया जा सकता है ... क्यों न केवल tensorflow-gpu-cuda110 पैकेज वाले अधिकांश लोगों को या कुछ अस्थायी रूप से पेश किया जाए जब तक कि लाइब्रेरी अंतर्निहित cuda संस्करण को गतिशील रूप से समझ न सके?

और भी बेहतर उपाय - टेंसरफ़्लो को हटा दें, पाइटोरच स्थापित करें
टेंसरफ़्लो इतनी आसानी से ब्रेक क्यों लगा सकता है?
मैं इसे अभी स्थापित और चला क्यों नहीं सकता?
पाइटोरच के साथ इतना आसान और tf के साथ अप्रत्याशित क्यों है? डब्ल्यूटीएफ इसके साथ गलत है?

मैं इससे तंग आ गया हूँ!!!!

मैं इससे तंग आ गया हूँ!!!!

यह टिप्पणी इस मुद्दे में कुछ भी नहीं जोड़ती है। इसके अलावा कोई भी किसी को टीएफ का उपयोग करने के लिए मजबूर नहीं करता है, लेकिन अगर आपको वास्तव में पाइप पैकेज काम करने की ज़रूरत है और नहीं मिल सकता है, तो इसे स्वयं क्यों न बनाएं? मैंने कुछ बिंदु पर यही किया। मैंने देखा कि यहां समुदाय समर्थित बिल्ड भी हैं
https://github.com/tensorflow/tensorflow बस नीचे स्क्रॉल करें।
शायद अपने GPU के लिए निर्माण करें और योगदान दें?

और भी बेहतर उपाय - टेंसरफ़्लो को हटा दें, पाइटोरच स्थापित करें
टेंसरफ़्लो इतनी आसानी से ब्रेक क्यों लगा सकता है?
मैं इसे अभी स्थापित और चला क्यों नहीं सकता?
पाइटोरच के साथ इतना आसान और tf के साथ अप्रत्याशित क्यों है? डब्ल्यूटीएफ इसके साथ गलत है?

मैं इससे तंग आ गया हूँ!!!!

यह एक मुद्दा पृष्ठ है। कृपया, अपने मुद्दों को बताएं ताकि उन्हें ठीक किया जा सके, या इससे भी बेहतर, उन्हें ठीक करने में मदद करें।

@raphaunix क्या मैं पूछ सकता हूं कि यह चार्ट कहां से आता है?

मुझे Tensorflow 1.11.0 निम्न आदेश चलाकर काम कर रहा है:

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

मुझे पता चला है कि इसका कारण ldconf है, ldconfig एक डायनेमिक लिंक लाइब्रेरी मैनेजमेंट कमांड है जिसका उद्देश्य डायनामिक लिंक लाइब्रेरी को सिस्टम द्वारा उपयोग करने की अनुमति देना है।

डिफ़ॉल्ट ldconf केवल खोज /lib और /usr/lib, साथ ही विन्यास फाइल /etc/ld. इसलिए। कॉन्फ़.

तो यह सब स्थापित CUDA पथ में CUDA की गतिशील लाइब्रेरी के कारण होता है जैसे: /path/cuda-9.0/lib64 या /path/cuda-9.0/lib. (उदाहरण के लिए मेरा CUDA /usr/local/cuda-9.0 में स्थापित है)

1.यदि आप CUDA मैनुअल स्थापित करते हैं, तो स्थापित करने के बाद, आपको cuda/lib64 का पथ /etc/ld.so.conf फ़ाइल में जोड़ना चाहिए
sudo echo "/usr/local/cuda-9.0/lib64/" >> /etc/ld.so.conf
फिर
sudo ldconfig
बेशक, आप पथ मैनुअल जोड़ सकते हैं, जैसे:
विम /etc/ld.so.conf
फिर अंत में पथ '/usr/local/cuda-9.0' जोड़ें।
फिर इसे अपडेट करें
sudo ldconfig
ऑपरेशन के बाद, ipython या pycharm को फिर से खोलें,
import tensorflow as tf
वाह, आप इसका आनंद लेंगे!

यदि आप 'dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb' या अन्य जैसे कमांड द्वारा CUDA स्थापित करते हैं, तो यह cuda lib पथ को /etc/ld.so.conf में स्वचालित रूप से जोड़ सकता है। लेकिन सुरक्षित पक्ष पर रहने के लिए, /etc/ld.so.conf जांचें और देखें कि क्या पथ इसमें जुड़ता है।

@jabalazs conda install cudatoolkit==9.0 बजाय मैंने pip install cudatoolkit==9.0 की कोशिश की लेकिन यह काम नहीं किया, क्या आप जानते हैं क्यों?

मैंने पाया कि कोलाब पर मेरा रनटाइम GPU का उपयोग नहीं कर रहा था, इसलिए मुझे मेरी त्रुटि मिली

और भी बेहतर उपाय - टेंसरफ़्लो को हटा दें, पाइटोरच स्थापित करें
टेंसरफ़्लो इतनी आसानी से ब्रेक क्यों लगा सकता है?
मैं इसे अभी स्थापित और चला क्यों नहीं सकता?
पाइटोरच के साथ इतना आसान और tf के साथ अप्रत्याशित क्यों है? डब्ल्यूटीएफ इसके साथ गलत है?

अच्छा समाधान @dodler ! लेकिन मुझे लगता है कि आप इस महान सलाह को xD के माध्यम से पालन करने में आसान बनाने के लिए आदेशों को याद कर रहे हैं।

pip uninstall tensorflow
pip install torch

हैप्पी कोडिंग!

Google Colab पर GPU के साथ NuSVR को गति देने के लिए थंडर्सवीएम का उपयोग करने की कोशिश में मुझे इसी त्रुटि का सामना करना पड़ा।
Cuda 9.0 को स्थापित करने से मेरी समस्या हल हो गई।
बस पालन करें:

!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