Tensorflow: ImportError: libcublas.so.9.0: 공유 개체 파일을 열 수 없습니다: 해당 파일 또는 디렉터리가 없습니다.

나는 이것이 9.0이 아닌 CUDA 9.1을 가지고 있기 때문이라고 생각합니다. 정확히 같은 문제에 직면하고 있습니다.

@Timonzimm 나는 알고 있고 전체 문제는 nvidia가 넣는 libcublas.so.xxx라는 이름의 이 f**라고 생각합니다. 이것은 본질적으로 해당 번호가 변경될 때마다 Linux 시스템에서 불일치이므로 정확한 일치를 찾을 수 없으므로 파일이 존재하지 않는다고 생각하고 오류가 발생합니다.

''cuda/''에서 ''cuda/9.1'로의 심볼 링크를 사용해야 한다고 생각합니다. 그렇지 않으면 cuda 버전이 tensorflow 마스터 브랜치에 너무 새롭습니다.

@ burui11087 심볼릭 링크를 완전히 잊어 버렸습니다. 상기시켜주셔서 감사합니다.

이것이 해결된 것 같습니다(근본 원인은 CUDA - 9.0 대 9.1의 버전 불일치)?
해결되는 것으로 이해하므로 닫습니다만, 제가 잘못 알고 있는 경우 알려주시기 바랍니다.

참고로 @gunan @av8ramit (곧 출시될 1.5 릴리스에서 작업 중인 사람)

kirk86에서도 똑같은 문제가 발생합니다. 저를 위해 cuda 툴킷 8.0과 cudnn 5.1을 설치했습니다.
그런 다음 위에 너희들이 말한 대로 해봤는데 모두 작동하지 않습니다.

nightlies를 사용하려면 CUDA 9.0 및 cudnn 7이 설치되어 있어야 합니다.
CUDA와 cudnn 설치된 TF의 현재 버전 @yangfengKAUST는 그것이 기대 버전을 찾을 수 없다는 불평.

@Timonzimm 저도 같은 문제에 직면하고 있습니다. 당신은 그것을 알아 냈습니까?

나는 각각에 특정한 것으로 보이는 8.0, 9.0, 9.1 + cudnn 버전이 설치되어 있습니다. 9.1 라이브러리에서 심볼릭 링크가 작동하지 않았습니다. /usr/local/cuda 링크에서 버전을 전환할 때 LD_LIBRARY_PATH의 심볼릭 링크가 작동하지 않는 경우가 있습니다. 나는 Eclipse 내부의 경로를 처리하는 더 깨끗한 방법을 알아낼 수 있을 때까지 라이브러리를 내 Java 프로그램에 로드하는 낮은 기술 방식을 수행했습니다.

    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 위의 의견에서 cuda를 9.0으로 다운그레이드해야 하고 tensorflow 1.5가 cuda 9.1에서 작동하지 않는다는 것을 알고 싶습니까?

이 문제를 종료했지만 우리가 취해야 할 올바른 조치가 무엇인지 명확하지 않습니다!

참고: cuda 9.0 대신 cuda 9.1도 설치했습니다.

참고로 저는 둘 다 설치했습니다. 처음부터 빌드하는 것은 둘 중 하나와 함께 작동하지만 야간 바이너리는 9.0을 사용합니다.

@AwasthiMaddy - 예, TensorFlow 1.5 릴리스 바이너리는 CUDA 9용으로 빌드되었습니다.

해결하셨나요? 이 문제는 tensorflow-gpu-1.5에 cuda 9.0이 필요하므로 tensorflow-gpu-1.4를 설치해야 합니다. 그리고 tensorflow-gpu-1.5 제거를 기억하십시오. 이것을 사용하십시오"pip install --upgrade tensorflow-gpu==1.4"

@aipeteryao - 감사합니다.

이것이 사실이라면 누군가 https://www.tensorflow.org/install/install_linux 페이지를 수정해야 합니다. 저는 그 지침을 정확히 따랐고 CUDA 8.0(특히 "최신 CUDA"가 아님)을 설치하라고 알려줍니다.

그런 다음 작업을 마치자 마자 이 오류가 발생합니다(cublas 9.0을 찾고 있습니다. 여기에서 읽을 수 있는 바에 따르면 CUDA 9.1이 NVIDIA에서 기본적으로 제공되므로 작동하지 않았을 것입니다).

웹 페이지 지침은 모든 것의 기본 최신 버전으로 작동하거나 tensorflow-gpu가 아닌 tensorflow-gpu-1.4(예:)를 설치하도록 명시적으로 알려야 합니다.

두 번째 bwesons의 의견입니다. CUDA 8.0과 Tensorflow 1.3이 있습니다. TF 1.5(GPU, ubuntu, virtualenv)에 대한 현재 설치 지침을 따랐으며 위에서 설명한 대로 중단됩니다. 이 문제가 해결될 때까지 TF 1.3으로 되돌립니다.

@aipeteryao 해결 했습니다 감사합니다! 내 virtualenv에 최신 버전을 제거하고 1.4를 설치했습니다.

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

Ubuntu 설치 페이지를 업데이트해야 합니다: https://www.tensorflow.org/install/install_linux
TensorFlow 1.5는 cuDNN 7뿐만 아니라 Cuda 9.0(9.1 아님)을 기대하고 있기 때문에

사실, 우리는 tensorflow의 공식 문서를 보아야 합니다. tensorflow의 환경(파이썬, gcc, cuda, cudnn 등 포함)을 제공합니다.

@bwesen 네, 맞습니다. 내 컴퓨터에는 CUDA 8.0, cudnn 6.0, tensorflow 1.4가 설치되어 있습니다.

이 문제는 여전히 열려 있어야 한다고 생각합니다. @bwesen 님 의 의견 이 맞습니다. 문서에서는 Cuda 8.0을 설치하고 pip install --upgrade tensorflow-gpu 사용하라고 알려줍니다. 지금은 Cuda 8.0에서 작동하지 않는 tensorflow 1.5를 제공합니다.

핑 @asimshankar

동일한 문제가 있습니다(cuda 9.1 + tensorflow 1.5 사용). 나는 그것을 해결하기 위해 하나의 옵션은 cuda를 9.0으로 다운그레이드하는 것이라고 생각합니다. 다른 옵션은 cuda를 8.0으로, tensorflow를 1.4로 다운그레이드하는 것입니다. 이미 cuda 8.0을 설치했다면 LD_LIBRARY_PATH (및 CUDA_HOME ) 환경 변수가 cuda 8.0 디렉토리(예: /usr/local/cuda-8.0 )를 가리키도록 수정하면 됩니다.

이 문제가 발생합니다(Cuda 9.1.85, cuDNN 7.05).

tensorflow 1.5로 시도했지만 고장났습니다. 제거되고 pip3 install --upgrade tensorflow-gpu==1.4 1.4를 설치했지만 여전히 중단되었습니다.

@DylanDmitri 1.5는 9.1이 아닌 Cuda 9.0을 기대합니다.

Cuda 9.0 드라이버를 사용해 보셨습니까?

@DylanDmitri @mkaze Cuda 9.0이 필요합니다.

또한 요구 사항을 설치하는 데 문제가 있는 사람을 위해 cuDNN 설치를 다시 확인하는 것이 좋습니다. .deb 파일은 파일을 올바른 위치에 복사하지 않았기 때문에 작동하지 않았습니다. 제대로 설치하려면 .tgz 파일을 사용하고 nVidia의 지시에 따라 수동으로 파일을 복사해야 했습니다.

cuda-9-0을 설치하지 않는 이유는 무엇입니까?

• 여기로 이동: https://developer.nvidia.com/cuda-90-download-archive
• 그런 다음 나를 위해: deb(네트워크) 다운로드

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

cuda-9-0을 설치하지 않는 이유는 무엇입니까?

@abrahamrhoffman sudo 권한이 있는 사람에게는 쉽지만 간단한 사용자 권한이 있는 클러스터 환경과 같은 공유 시스템에 있는 사람들은

@abrahamrhoffman 반대 투표에 대한 근거도 제공하시겠습니까?

cuda-9.0을 설치했는데 여전히 작동하지 않습니다. 정말 짜증나네요.

https://stackoverflow.com/questions/39287744/ubuntu-16-04-nvidia-toolkit-8-0-rc-darknet-compilation-error-expected에 설명된 대로 PATH 변수를 적절하게 설정해야 합니다.

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 9.1이 현재 버전입니다. TF에서 사용했으면 합니다. 어떻게?

tf-nightly-gpu조차도 cuda 9.1을 찾지 않습니다. 메

모든 9.0 파일 이름에서 모든 9.1 파일 이름으로 심볼릭 링크를 시도했지만 작동하지 않았습니다. 결국 TF는 실제 버전을 알고 있습니다. 리포지토리에는 더 이상 9.0이 없으므로 9.1을 제거한 다음 9.0을 수동으로 설치하면 nvidia 항목이 손상될 수 있습니다.

나는 지금 그를 고친다:

다음에서 deb(네트워크) 다운로드: https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=debnetwork

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

다음: 적성 업데이트

그런 다음 : 적성 설치 cuda-9-0

먼저 tensorflow 1.5를 설치했는데 고장나서 다음 오류가 발생합니다.
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
그런 다음 pip install --upgrade tensorflow-gpu==1.4로 1.4를 제거하고 설치했는데 작동하지 않고 다음 오류가 발생합니다.
ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory

@xiezhongzhao 어떤 버전의 Cuda를 사용하고 있습니까? tensorflow 1.5의 경우 Cuda 9.0이 설치되어 있어야 하고 tensorflow 1.4의 경우 cuda 8.0을 사용해야 합니다. tensorflow 버전과 cuda 버전이 호환된다면 CUDA_HOME 및 LD_LIBRARY_PATH 와 같은 환경 변수를 확인하십시오.

@mkaze 저는

@xiezhongzhao Cuda 9.0을 설치하면 괜찮을 것입니다. Tensorflow 1.5는 Cuda 9.1에서 작동하지 않습니다.

@mkaze 정말 감사합니다

저도 이 문제가 발생하여 해결하려고 애쓰고 있습니다.

$ 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

이 지침에 따라 설치했습니다
https://www.tensorflow.org/install/install_linux#nvidia_requirements_to_run_tensorflow_with_gpu_support

nvidia에서 올바른 버전을 설치했다고 생각합니다. 파일 이름은
cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
및 cudnn-9.0-linux-x64-v7.tgz (버전 7.0.5)

tensorflow 문서의 해당 지침에 따라 경로를 설정하고 abrahamrhoffman 가 위에서 제공한 지침도 시도했습니다.

ldconfig -v를 실행하면 9.0 라이브러리가 있지만 libcublas.so.9.0이 표시되지 않습니다.

/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

나는 적어도 의도적으로 9.1을 설치하지 않았습니다. 이것은 재고 우분투 16.04가 있는 amazon ec2 인스턴스에 있습니다.
nvidia-smi는 또한 gpu를 반환합니다. 이것은 g3.4xlarge 인스턴스입니다.

어떤 지침이라도 대단히 감사합니다.

CUDNN 가이드:

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

압축을 푼 파일( $ tar -xzvf cudnn-9.0-linux-x64-v7.tgz 또는 이와 유사한 것을 실행한 디렉토리에서)을 /usr/local/cuda 하위 디렉토리로 복사해야 합니다.

$ 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*

@entropy43 답변 감사합니다.

좀 더 구체적으로 말했어야 했다. tar 뒤에 cp 2개와 chmod 명령을 수행했습니다. ls cuda/lib64 와 같은 tar 명령을 실행한 폴더 cuda 폴더를 보면
libcudnn.so libcudnn.so.7 libcudnn.so.7.0.5 libcudnn_static.a

nvidia 문서 에서도 이 섹션을 시도했습니다.
2.3.2. Installing from a Debian File

테스트는 2.4. Verifying 통과합니다.

해당 라이브러리를 얻기 위한 조언을 주시면 감사하겠습니다.

누군가 현재 이것이 어디에 있는지 요약해 주시겠습니까? 나는 문제없이 TF1.3 + cuda 8을 사용하고 있습니다. 업그레이드하고 싶지만 최신 버전의 설치 프로세스가 완전히 손상된 것 같습니다. 조언?

yazabazra가 위에서 묻는 것과 유사합니다.
TF1.6 우분투 16.04
nvcc -V
nvcc: NVIDIA(R) Cuda 컴파일러 드라이버
Copyright (c) 2005-2017 NVIDIA Corporation
Fri_Nov__3_21:07:56_CDT_2017에 구축
Cuda 컴파일 도구, 릴리스 9.1, V9.1.85
Nvidia 디스플레이 드라이버 390+가 필요했습니다.
중요: https://devtalk.nvidia.com/default/topic/1000340/cuda-setup-and-installation/-quot-nvidia-smi-has-failed-because-it-couldn-t-communicate-with -the-nvidia-driver-quot-ubuntu-16-04/post/5243047/#5243047

TF 문서에서 이전 릴리스에 버그가 있다고 표시했기 때문에 많은 번거로움을 겪은 후 위의 내용을 참조하여 Nvidia를 최신 릴리스로 업데이트했습니다.

이제 나는 얻고있다 :
ImportError: libcublas.so.9.0: 공유 개체 파일을 열 수 없습니다: 해당 파일 또는 디렉터리가 없습니다.
기본 TensorFlow 런타임을 로드하지 못했습니다.

9.0(TF가 원함)과 최신 Nvidia인 9.1 사이의 불일치인 것으로 보입니다.
9.1로 실행하는 것이 더 나은 것처럼 보이지만 소스에서 TF를 빌드하는 것을 피하고 어쨌든 수정하지 않을 수 있습니다.

이 콤보를 바이너리 패키지와 함께 사용할 수 있습니까?
TF 1.6 쿠다 9.1 ??

여기를 찾는 사람들에 대한 추가 참고 및 주의 사항 .. 내 Nvidia 항목을 업그레이드한 후 별도의 conda 환경에 있는 이전 버전의 TF가 더 이상 이전 TF가 원하는 대로 작동하지 않습니다. ImportError: libcublas.so.8.0: 공유 개체 파일을 열 수 없음: 해당 파일 없음 또는 디렉토리
그래서 9.1은 그것을 자르지 않을 것입니다 .. 보다 큼을 지정하는 것은 어떻습니까?? 대 특정 버전? 그냥 제안.. 그 사이에 나는 물에 죽어 ..

그리고 이것이 9.1을 지원하는 바이너리의 가용성이 좋은 이유입니다: (TF1.6 릴리스 노트에서)

CUDA 9 및 CUDA 9.1과 함께 XLA:GPU 를 사용하면 가비지 결과 및/또는
CUDA_ILLEGAL_ADDRESS 실패.

Google은 2017년 12월 중순에 CUDA 9의 PTX-to-SASS 컴파일러가
CUDA 9.1은 때때로 다음과 같은 경우 캐리 비트를 제대로 계산하지 않습니다.
큰 오프셋(예: load [x + large_constant])이 있는 64비트 주소 계산을 SASS의 32비트 산술로 분해합니다.

결과적으로 이러한 버전의 ptxas는 다음을 사용하는 대부분의 XLA 프로그램을 잘못 컴파일합니다.
4GB 이상의 임시 메모리. 이로 인해 가비지 결과 및/또는
CUDA_ERROR_ILLEGAL_ADDRESS 실패.

CUDA 9.1.121의 수정 사항은 2018년 2월 말에 있을 예정입니다.
CUDA 9.0.x에 대한 수정. 수정 사항을 사용할 수 있을 때까지 유일한 해결 방법은
CUDA 8.0.x로 다운그레이드
또는 XLA:GPU를 비활성화

아마도 nightlies 중 하나가 그것을합니까?

또 다른 해결책은? TF가 특정 Rev를 검색하는 것 같기 때문에 Cuda의 여러 개정판을 설치할 수 있습니까? 그렇다면 방법에 대한 조언이 있습니까?

따라서 이상적으로는 한 콘다 환경에서 TF 1.4(현재 Cuda 8.0 필요)를 실행하고 다른 환경에서 TF 1.6(현재 Cuda 9.0 필요)을 실행할 수 있습니까?

그래서 방금 sudo apt-get -y install cuda-toolkit-9.0을 추가했고 TF1.6으로 실행 중입니다.

@dartdog cuda-toolkit-9.0을 설치한 후 ImportError: libcudnn.so.7: cannot open shared object file: No such file or directory 문제에 직면했습니까?

@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}}

@bwesen이 말했듯이 이것은 확실히 tensorflow 문서에 포함되어야 합니다. 또한 오류 목록에 포함되어야 합니다. 어쨌든 우리가 이것을 할 수 있습니까? cuda 9.1에 대한 지원을 추가하거나 문서에서 특히 cuda 9.0이 필요하다고 언급하고 오류 목록에도 포함하도록 요청하여 새 문제를 열 ​​것이라고 생각합니다.

좋아, 얘들아. 이제 https://github.com/tensorflow/tensorflow/issues/17629 에서 새 문제를 열었습니다

이 문제도 처리했습니다. tensorflow-gpu 1.6에서 나를 위해 일한 것 :

• 아카이브 에서 툴킷을 9.0으로 다운로드했는데 9.1로 설치되었습니다(이유를 모르겠습니다...)
• 여전히 libcublas.so.9.0을 찾을 수 없습니다.
• 실행: sudo apt-get install cuda-libraries-9-0 설치 지침의 끝에 제안된 대로.
• 문제가 해결된 것 같습니다.

텐서플로가 CUDA 버전과 함께 작동하도록 하려면 먼저 제거한 다음 소스에서 컴파일하고 ./configure를 실행하는 동안 CUDA 버전을 지정해야 합니다.
자세한 정보는 https://www.tensorflow.org/install/install_sources 에서 찾을 수 있습니다.

나는 이것을 시도하고 있습니다 (tensorflow를 수동으로 빌드함) 링크

시간이 더 오래 걸릴 수 있지만 이 방법으로 부 버전을 정의할 수 있습니다.

@mldm4 실제로 sudo apt-get install cuda 명령은 시스템에 9.1을 설치했기 때문에 아마도 9.1을 설치했을 것입니다. 나는 같은 문제가 있었고 특정 버전을 설치하기 위해 sudo apt-get install cuda-9-0 를 수행했습니다(아카이브에서도 다운로드했습니다).
나는 당신이 한 commad ( sudo apt-get install cuda-libraries-9-0 )도 cuda 9.0을 다운로드한다고 생각합니다.
문제 17629에서 언급했듯이 이 문제는 해결되지 않았습니다. 문제는 TensorFlow가 버전 9.0을 예상하는 반면 저는 9.1을 사용한다는 것입니다. 문제는 문서에서 이것을 더 명확하게 언급하고 문서 하단의 일반적인 설치 문제에 포함하거나 Cuda 9.1을 허용하도록 tensorflow를 업데이트하는 것입니다.

그래서 아직 해결책이 없나요?

@스레드 :

*포스팅을 꼼꼼히 읽어주세요! *

스레드를 읽고 솔루션을 찾는 것이 당신의 일입니다. 그냥 끝까지 스크롤하지 마십시오.

@abrahamrhoffman 무례합니다.

방금 cuda-9.1에서 cuda로 내 batchrc를 변경했습니다. 그러면 내 tensorflow가 libcublas.so.9.0을 찾을 수 있습니다.

참고로: cuda-9.0 다운로드를 위한 nvidia 웹사이트는 실제로 cuda-9.1을 다운로드하고 있습니다. 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 9.1도 설치했기 때문일 수 있습니다. 이렇게, 다운로드 단계에서, 9.0을 설치하려면 sudo apt-get install cuda-9-0 대신 sudo apt-get install cuda .

@cubetastic33 저는 tensorflow 버전을 다운그레이드하고 cuda8.0을 사용하고 있습니다. 어쨌든 감사합니다.

@DanlanChen 하지만 그런 다음 최신 버전을 사용하는 것이 바람직하다고 생각합니다. 따라서 업그레이드하고 싶다면 이제 무엇을 해야 하는지 알 수 있습니다! :웃다:

같은 문제에 직면하고 있지만 nvidia-docker를 사용하여 tensorflow를 실행하려고 합니다. 호스트에 cuda-9-0이 설치되어 있지만 도커 컨테이너를 실행하려고 하면

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

@magick93 과 모든 것이 여기에 나타납니다!

듣다! 필요한 것은 cuda 9.1 -> cuda 9.0을 다운그레이드하는 것입니다. 그게 다야! 그냥 하세요(그 전에 cuda 9.1을 다운로드했다면 터미널에서 다음 명령을 실행할 수 있습니다):

sudo apt-get install cuda-9-0 및 rm -rf로 cuda 9.1을 제거합니다.

Btw, ~/.bashrc (9.1 -> 9.0)에서 $PATH를 변경하는 것을 잊지 마십시오.

안녕하세요 @Oktai15

듣다! 필요한 것은 cuda 9.1 -> cuda 9.0을 다운그레이드하는 것입니다. 그게 다야! 그냥 해

예, 저는 이것을 여러 번 했습니다.

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

그러나 이 간단한 tensorflow 스크립트를 실행할 수도 없습니다. 결과적으로 ImportError: No module named tensorflow.python.client 얻습니다.

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()

나는 모두가 여기에서 겪고 있는 것과 같은 문제를 겪었습니다. 9.0을 설치하는 것이 도움이 되었지만 다른 문제가 발생했습니다.
그럼 다음 이 그리고 마지막 날 위해 일했습니다.

@Oktai15 는 rm -rf 시스템을 삭제하지 않습니까? 사람들이 필요한 디렉토리로 이동하지 않고 시도하고 결국 홈 폴더를 비울 수 있으므로 여기에서 더 명확하게 하십시오.

@magick93 귀하의 문제는 CUDA 버전이 아닌 다른 문제인 것 같습니다.

나는 같은 문제가 있었고 일부 변경으로 해결했다고 생각합니다.이 조합이 저에게 효과적입니다.

우분투 16, cuda 9.0, cudnn 7.0, 파이썬 3,5, 텐서플로 1.6

아직 이전 버전이 있는 동안 새 cuda를 설치하는 경우 다음과 같은 경로를 지정해야 합니다.

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 Ubuntu 버전은 실제로 중요하지 않습니다. 문제는 TensorFlow 1.6은 CUDA가 버전 9.0이고 cuDNN이 버전 7.0.4가 될 것으로 예상한다는 것입니다(예, 0.4가 중요합니다)

역추적(가장 최근 호출 마지막):
파일 "utils.py", 15행,
텐서플로를 tf로 가져오기
파일 "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/__init__.py", 24행,
tensorflow.python에서 가져오기 *
파일 "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/__init__.py", 49행,
tensorflow.python에서 pywrap_tensorflow 가져오기
파일 "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py", 74행,
ImportError(msg) 발생
ImportError: 역추적(가장 최근 호출 마지막):
파일 "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py", 58행,
tensorflow.python.pywrap_tensorflow_internal 가져오기에서 *
파일 "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", 28행,
_pywrap_tensorflow_internal = swig_import_helper()
파일 "/home/sagar/miniconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", 24행, swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, 경로 이름, 설명)
ImportError: libcublas.so.9.0: 공유 개체 파일을 열 수 없습니다: 해당 파일 또는 디렉터리가 없습니다.

기본 TensorFlow 런타임을 로드하지 못했습니다.

https://www.tensorflow.org/install/install_sources#common_installation_problems를 참조
sudo apt-get 설치 cuda-7-0
vim ~/.bashrc
내보내기 경로=/usr/local/cuda-7.0/bin${경로:+:${경로}}
내보내기 LD_LIBRARY_PATH=/usr/local/cuda7.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
내보내기 경로=/usr/local/cuda-9.0/bin${경로:+:${경로}}
내보내기 LD_LIBRARY_PATH=/usr/local/cuda9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PA
몇 가지 일반적인 이유와 솔루션 때문입니다. 전체 스택 추적 포함
도움을 요청할 때 이 오류 메시지 위에 표시됩니다.

@pascalwhoop이 언급했듯이 http://www.python36.com/install-tensorflow141-gpu/ 의 지침에 따라 소스에서 Tensorflow 를 빌드했습니다.

그것이 cuda 9.0이라고 말할 때마다 나는 9.1로 변경했고 cudnn 7.0은 7.1.2를 넣었습니다.

지금까지 잘 작동했습니다!

@SAGGSOC cuda 7.0을 설치하는 이유는 무엇입니까? CUDA 9.0 및 CuDNN 7.0.4가 필요합니다.

문제를 겪고 있는 모든 사람: 커뮤니티와 공유되는 견고한 도커 이미지로 전환한 사람. 오히려 작동하기 전에 CuDNN의 5개 버전을 DLing하는 것보다 작동하는 6GB 이미지 풀을 한 번 수행하십시오.

https://github.com/pascalwhoop/tf_openalab_gpu_docker

얼마 전에 시작했지만 프로젝트 초점 이동으로 인해 중단되었습니다. 하지만 추구할 가치가 있다고 생각합니다. 대부분의 ppl에서 17개의 움직이는 부품의 올바른 조합을 찾는 모든 수고를 덜어줍니다.

이 게시물을 우연히 보게 될 사람을 위해 몇 가지 사항을 명확히 하려고 합니다. 내 시스템에 cuda-8.0, cuda-9.0, cuda-9.1이 설치되어 있습니다. tensorflow와 함께 작동하도록 하기 위해 아무것도 제거할 필요가 없습니다. 대신 다른 사람이 이미 지적했듯이 시스템에서 cuda-9.0이 누락된 경우 tensorflow가 제대로 작동하기 위한 전제 조건인 설치해야 합니다.

당신이 CUDA-9.0 사용자 시스템에 설치하고 tensorflow에 대해 불평하는 경우 libcublas.so.9.0 다시 다른 사람이 노출 말했듯이 당신을 통해 런타임 중에 있음을 LD_LIBRARY_PATH 에서 환경 변수를 사용자의 .bashrc 를 만들 /usr/local/cuda-9.0/lib64 가리킵니다. 이것은 tensorflow 1.7에서도 작동해야 합니다.

내가 시도했지만 달성하지 못한 것은 소스에서 빌드됩니다. 어떤 이유로 bazel은 항상 오류와 함께 종료됩니다. cuda-9.0/cuda-9.1 및 cudnn7로 빌드하려고 하면 gcc7에 대해 불평합니다. gcc5 컴파일을 사용하면 잘 작동하는 것 같지만 결국에는 항상 오류가 발생하고 빌드가 실패합니다.

제 질문은 누구든지 문제 없이 cuda-9.1/cuda-9.0을 사용하여 소스에서 컴파일할 수 있었습니까?

이것은 나를 위해 일했습니다.

NVidia 이전 릴리스 섹션에서 CUDA Toolkit 9.0을 다운로드합니다.
그 다음에:

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

위의 마지막 줄에 9.0이 있습니다.

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

내 설정
텐서플로 1.7
cuDNN 7.1.2
우분투 16.04

에테미즈,
나는 같은 설정을했고 그것은 나에게도 효과적입니다.

귀하의 게시물에 감사드립니다 :)

저도 같은 상황이었습니다. 나는 cuda 9.1을 가지고 있었고 tensorflow는 cuda 9.0용 라이브러리를 찾지 못했습니다.

sudo apt-get install cuda-libraries-9-0 명령으로 cuda 9.0을 설치했습니다.

내 문제가 해결되었습니다.

cuda 8 및 9.0이 설치된 상태에서 .bashrc 및 .profile LD_LIBRARY_PATH 설정이 작동하지 않습니다. 그래서, 나는 설정
pycharm 환경 변수 필드에 LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64 하면 작동합니다.

위는 Ubuntu Server 17에 설치하기 위해 작동했습니다. 즉,

• cuda-9.0 설치(9.1 아님)
• CUDA 9.0용 cuDNN v7.1.2(2018년 3월 21일)
• 공식 tf 설치 지침에 따른 다른 모든 것

컴파일보다 훨씬 쉽습니다.

콘다 사용자를 조심하십시오. 나는 같은 문제에 부딪혀 이틀 동안 머리를 긁적이며 마침내 libcudnn.so의 로컬 사본이 conda에서 사용되었음을 발견했습니다.
/miniconda3/lib/libcudnn.so는 libcudnn.so.7.0.5를 가리키는 libcudnn.so.7을 가리킵니다.
누가 어떻게 거기에 배치했는지 기억나지 않지만 거의 시스템 기본 libcudnn.so.7.1.2에 과부하가 걸렸습니다!!!

일단 제거되면 모든 것이 매력처럼 작동합니다.
tensorflow 1.7 또는 1.8-nightly, cuda-9.1, 우분투 16.04의 cudnn-7.1.2

어떻게 든 다음을 설치하여이 문제를 해결했습니다.
cuda 9.1(패키지 관리자에서),
9.1용 cudnn 7.1
그리고 아나콘다에서 :
이 기본 명령을 사용하여 'conda install -c anaconda tensorflow-gpu'
쿠다 툴킷 9.0,
텐서플로 1.7,
텐서플로 GPU 1.7

내 PC에서 Antergos linux, GTX 1060을 사용했습니다. 내 노트북(Xubuntu 18.04, GT 840m)에서도 잘 작동했습니다. 내 노트북에서 다음을 사용했습니다.
cuda 9.1(nvidia ppa에서), cudnn 7.1 for 9.1(nvidia web에서), 나머지는 동일

@Suananda 감사합니다! 그것은 마술처럼 작동합니다.

이전 버전의 CUDA가 있는 경우 특히 수동으로 설치하는 경우 최신 CUDA를 설치하더라도 라이브러리 링크가 이전 라이브러리를 가리킬 수 있습니다. 이전 설치를 삭제한 다음 sudo ldconfig를 사용하여 동적 링크를 업데이트하십시오.

아직 해결책이 없다!?

이것을 우연히 발견할 수 있는 사람을 위해 cuda 9.1로 빌드된 최신 tensorflow 1.8.0-rc1 커뮤니티 휠을 출시했습니다. 여기에서 찾을 수

나는 그 이유가 ldconf라는 것을 알았습니다. ldconfig는 시스템에서 동적 링크 라이브러리를 사용할 수 있도록 하는 목적을 가진 동적 링크 라이브러리 관리 명령입니다.

기본 ldconf는 /lib 및 /usr/lib와 구성 파일 /etc/ld에 나열된 디렉토리 아래의 라이브러리 파일만 검색합니다. 그래서. 회의

따라서 이 모든 것은 /path/cuda-9.0/lib64 또는 /path/cuda-9.0/lib와 같은 설치된 CUDA 경로에 있는 CUDA의 동적 라이브러리에 의해 발생합니다. (예를 들어 내 CUDA는 /usr/local/cuda-9.0에 설치되어 있습니다)

1. CUDA 매뉴얼을 설치했다면 설치 후 /etc/ld.so.conf 파일에 cuda/lib64의 경로를 추가해야 합니다.
   sudo echo "/usr/local/cuda-9.0/lib64/" >> /etc/ld.so.conf
   그 다음에
   sudo ldconfig

   물론 다음과 같이 경로 매뉴얼을 추가할 수 있습니다.
   vim /etc/ld.so.conf
   그런 다음 끝에 '/usr/local/cuda-9.0/lib64' 경로를 추가합니다.
   sudo ldconfig
   작업 후 ipython 또는 pycharm을 다시 엽니다.
   텐서플로를 tf로 가져오기
   와우, 당신은 그것을 즐길 것입니다!

2. 'dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb' 등의 명령으로 CUDA를 설치하면 자동으로 /etc/ld.so.conf에 cuda lib 경로가 추가될 수 있습니다. 그러나 안전을 위해 /etc/ld.so.conf를 확인하고 경로가 추가되는지 확인하십시오.

@NYcleaner
Ubuntu에는 다음을 포함하는 /etc/ld.so.conf.d/cuda-9-1.conf 파일이 있습니다.
/usr/local/cuda-9.1/targets/x86_64-linux/lib

이것으로 충분합니까 아니면 /usr/local/cuda-9.1/lib64/ 디렉토리를 추가해야 합니까?

@sebma
/usr/local/cuda-9.1/lib64/ 경로를 추가해야 합니다. * .so 파일은 lib64에 있습니다.

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

https://gist.github.com/zhanwenchen/e520767a409325d9961072f666815bb8에서

@mashu 음 다른 옵션은 커뮤니티에서 미리 만들어진 바퀴를 제공한다는 것입니다. 위의 2-3 스레드를 읽으면 다시 언급된 내용도 볼 수 있습니다.

@Suananda 감사합니다. tensorflow conda 환경에서 작동합니다.
공식 사용자에게 설치 가이드 " https://www.tensorflow.org/install/install_linux#InstallingAnaconda ", Anaconda 설치의 4단계를 "pip install --ignore-installed --upgrade tfBinaryURL"에서 "conda로 수정하도록 제안하십시오. -c anaconda tensorflow-gpu 설치"

Softlink는 이 문제를 해결하지 못하는 것 같습니다.

➜  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

아직도있어:

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:

내 코드를 Linux 환경에서 직접 실행하면 모든 것이 정상입니다. 그러나 원격 인터프리터를 통해 로컬 pycharm에서 실행하면 다음과 같은 문제가 발생합니다. ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory. "Failed to load the native TensorFlow runtime."

내보내기 경로=${경로}:/usr/local/cuda-9.0/bin
내보내기 CUDA_HOME=${CUDA_HOME}:/usr/local/cuda:/usr/local/cuda-9.0
내보내기 LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/cuda-9.0/lib64
내보내기 LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

pycharm을 사용하는 경우 - 인터프리터에 추가

f**는 어떻습니까? 저는 tensorflow1.8과 cuda9.1만 사용하고 싶습니까?

@dongzhuoyao 그래서 문제가 무엇입니까? 위의 내 의견 6개 스레드를 보고 거기에서 솔루션을 찾을 수 있습니다!

cuda 9.2 및 tensorflow-gpu 1.8 문제가 다시 발생했다고 생각합니다. virtualenv에서 다음을 얻습니다.

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

내 /usr/local/cuda-9.2/lib64 폴더에는 다음과 같은 libcublas가 있습니다.

$ 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

버전:

Ubuntu 16.04
cuda 9.2
cudnn 7.1.4
tensorflow-gpu 1.8.0

cuda 9.2를 사용하려면 tensorflow-gpu를 업데이트해야 합니다.

또한 cuda 9.0으로 다운그레이드하려면 먼저 cuda 9.2를 제거해야 합니까 아니면 9.0을 바로 설치해야 합니까? 충돌하는 설치가 있습니까?

@mebble 여기 있습니다: link . cuda 9.2용 tf 1.8 휠입니다.

cuda 9.0으로 다운그레이드하려면 먼저 cuda 9.2를 제거해야 합니까?

다운그레이드하지 마십시오. 원하는 다른 버전을 설치하면 /usr/local/cuda-x.x

감사 해요! 나는 python 3.5.2 및 pip 10.0.1 사용하고 있다는 것을 언급하는 것을 잊었습니다. 휠은 python 3.6 용이므로 설치가 작동하지 않는다고 생각합니다. 3.5용도 있나요?

@kirk86 당신이 준
저는 CentOS 및 K80 GPU, cuda 9.2 및 cudnn v7.1을 사용 중입니다.

제안

내가 아는 한 하위 패키지 xxx, yyy, zzz 등을 가질 수 있고 다음과 같이 설치할 수 있습니다.

pip install mainpackage[xxx]

이런 식으로 서로 다른 공존하는 백엔드를 제공할 수 있습니다. Tensorflow는 다른 옵션으로 빌드할 수 있으므로 최소한 몇 가지 cuda-toolkit 빌드가 이러한 방식으로 제공될 수 있습니다.

패키지의 요점은 빌드 시간을 절약하는 것이지만 설치는 잘 하지만 작동하지 않는 특정 라이브러리 세트에 대한 패키지 빌드는 비생산적입니다. 애초에 그런 패키지는 없는게 나을듯.

@mebble 은 python 3.6을 위한 conda 가상 환경을 만듭니다. 시스템 openmpi에도 설치했는지 확인하십시오.

@ pavan-08 시스템에 openmpi를 설치하고 nvidia의 최신 버전인 nccl 2.x도 설치합니다. 나는 대부분의 패키지와 라이브러리로 tf를 컴파일 했으므로 hdfs, kafta, aws 등을 사용할 수 있습니다. 그래서 libmpi.so를 요청하는 이유는 openmpi 라이브러리에 있기 때문입니다.

cuda 9.2 및 tensorflow-gpu 1.8에서는 tensorflow를 빌드할 수 없습니다.

선언된 출력 'external/local_config_cuda/cuda/cuda/lib/libcudnn.so.7'은 매달린 심볼릭 링크입니다.

심볼릭 링크가 존재합니다

버전:

우분투 17.10
쿠다 9.2
커드 7.1.4
텐서플로우 GPU 1.8.0

이것은 나를 위해 작동합니다 (tensorflow-gpu==1.8.0 및 cuda 버전은 9.0, 아나콘다에 설치)

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

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

@Jackiexiao 예, 제가 말하려고 했던 것입니다. 저는 워크스테이션을 사용하고 있으므로 9.2 대신 CUDA 9.0을 사용하기만 하면 됩니다(여러 버전의 CUDA가 설치되어 있기 때문에).

이것은 나를 위해 일했습니다.
Tensorflow > 1.4에는 CUDA 9가 필요하므로 모든 CUDA 버전을 제거했습니다.

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

excatly CUDA 9.0 및 CuDNN 7.0.x를 설치하고 재부팅하십시오.

CUDA, CuDNN 및 Tensorflow의 조합을 참조하십시오.

이 오류는 주로 Nvidia 드라이버, CUDA, CuDNN 및 Tensorflow-gpu의 잘못된 버전 조합으로 인해 발생합니다.

고마워!

| |
杨康
|
|
邮箱： [email protected]
|

签名由 网易邮箱大师 定制

2018년 8월 18일 08:00에 Dhruv Srivastava는 다음과 같이 썼습니다.

CUDA와 CuDNN의 조합을 참조하십시오.

이 오류는 주로 Nvidia 드라이버, CUDA, CuDNN 및 Tensorflow-gpu의 잘못된 버전 조합으로 인해 발생합니다.

—
당신이 댓글을 달았기 때문에 이것을 받는 것입니다.
이 이메일에 직접 답장하거나 GitHub에서 보거나 스레드를 음소거하세요.

@dhruvhacks 좋습니다. 사람들이 올바른 버전의 cuda와 함께 올바른 버전의 tensorflow-gpu를 설치해야 한다고 생각합니다.

저는 Ubuntu 18.08을 사용 중이고 Cuda 9.0을 다음 위치에 설치했습니다.

/usr/local/cuda-9.0

libcublas.so.9.0 를 찾기로 결정했습니다.

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

즉, 파일에 있던 나에게 말했다 /usr/local/cuda-9.0/lib64/stubs/libcublas.so.9.0 나는 두 가지 문제가 있었다 깨닫게 도움 :에서 ~/.bash_profile 내가 설정했다 : export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64/ ,하지만 내 파일에 있던 stubs 디렉토리이므로 다음을 사용해야 했습니다.

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

마지막으로 libcublas.so.9.0 는 루트 소유이므로 파일의 권한과 소유자를 변경했습니다.

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

그리고 모든 것이 잘되었습니다!

cuda 8 및 9.0이 설치된 상태에서 .bashrc 및 .profile LD_LIBRARY_PATH 설정이 작동하지 않습니다. 그래서, 나는 설정
pycharm 환경 변수 필드에 LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64 하면 작동합니다.

정확히, 문제를 해결해 주셔서 감사합니다. 이 문제를 푸는 데 며칠을 보냈습니다. 정말 감사합니다

PyCharm 을 사용하여 원격 서버(aws deep learning ami)에서 내 코드를 디버깅할 때도 이 문제가 발생합니다. cuda 버전은 9.0이고 cudnn은 7.1.4이고 tensorflow는 1.10.0(gpu용)입니다. 내 서버에 연결된 터미널에서 정상적으로 tensorflow를 가져올 수 있지만 PyCharm의 python 콘솔에서 tensorflow를 가져오지 못합니다. 이때 문제가 발생합니다. 따라서 PyCharm으로 디버그할 수 없습니다...
내 솔루션은 서버에 연결한 후 터미널에 이 줄을 입력하는 것입니다.

sudo ldconfig /usr/local/cuda/lib64

그리고 나는 이것을 참조했다 Link

@NYcleaner 감사합니다! 도움이 됩니다! 그리고 심볼릭 링크를 사용하는 것도 작동한다는 것을 알았습니다.
sudo 에코 "/usr/local/cuda/lib64/" >> /etc/ld.so.conf
sudo ldconfig

이것은 여전히 ​​Cuda 9.1 및 Tensorflow 1.11의 문제입니다.

쿠다 10.0 텐서플로 1.11

더 나은 솔루션 - tensorflow 제거, pytorch 설치
왜 tensorflow가 그렇게 쉽게 제동될 수 있습니까?
왜 그냥 설치하고 실행할 수 없습니까?
pytorch에서는 쉽고 tf에서는 예측할 수 없는 이유는 무엇입니까? Wtf가 잘못되었나요?

cuda-9-0을 설치하지 않는 이유는 무엇입니까?

• 여기로 이동: https://developer.nvidia.com/cuda-90-download-archive
• 그런 다음 나를 위해: deb(네트워크) 다운로드

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

우분투 18.04에서 cuda 9-0은 (공식적으로) 사용할 수 없습니다. 그래도 작동합니다.

안녕하세요 여러분,
가능한 한 PyTorch를 사용하지만 (Keras) 모델을 tensorflowjs로 내보내야 하는 특정 프로젝트의 경우 tf를 사용해야 합니다. 저에게 효과적이었던 유일한 솔루션은 여기에 설명된 대로 Ubuntu 멀티버스에서 CUDA를 설치한 후 소스에서 빌드하는 것입니다.

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

본 찬스!

공식 웹 사이트에 따르면 CUDA 9는 Ubuntu 18.04에서 지원되지 않습니다.

Tensorflow는 공식 웹 사이트에 따라 CUDA 9 이상을 지원하지 않습니다.

tensorflow에 대한 공식 CUDA 10 지원을 곧 받을 수 있습니까?

더 나은 솔루션 - tensorflow 제거, pytorch 설치
왜 tensorflow가 그렇게 쉽게 제동될 수 있습니까?
왜 그냥 설치하고 실행할 수 없습니까?
pytorch에서는 쉽고 tf에서는 예측할 수 없는 이유는 무엇입니까? Wtf가 잘못되었나요?

어리석은 해결책

Cuda 10과 최신 버전의 Tensor Flow를 설치했지만 ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory 받았고 다운그레이드했는데도 여전히 이 메시지가 표시됩니다...

Cuda 10과 최신 버전의 Tensor Flow를 설치했지만 ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory 받았고 다운그레이드했는데도 여전히 이 메시지가 표시됩니다...

OS 버전과 "다운그레이드"하기 위해 실행한 정확한 명령을 알려주시겠습니까?

나는 Deepin 15.8과 Mint 19.1을 시도했고 나중에 Windows 10을 테스트할 예정입니다. pip install --upgrade tensorflow-gpu==version 명령, 나는 마스터 버전 1.9.0, 1.10.1, 1.11.0 및 1.12.0을 시도했습니다. cuda 버전 및 드라이버:

@Sphinxs , 제 생각에는 두 가지 방법이 있습니다. a) 설치된 cuda 버전을 가리키도록 python 휠을 로컬로 다시 컴파일하거나 b) 18.04 설치에서 했던 것처럼 cuda-9.0 을 설치하고 몇 달 후에도 여전히 작동합니다.

더 나은 솔루션 - tensorflow 제거, pytorch 설치
왜 tensorflow가 그렇게 쉽게 제동될 수 있습니까?
왜 그냥 설치하고 실행할 수 없습니까?
pytorch에서는 쉽고 tf에서는 예측할 수 없는 이유는 무엇입니까? Wtf가 잘못되었나요?

남자는 요점이 있습니다. TF는 최신 CUDA 버전과 함께 작동하도록 컴파일할 수 있습니다... 라이브러리가 기본 cuda 버전을 동적으로 파악할 수 있을 때까지 tensorflow-gpu-cuda110 패키지 또는 임시로 대부분의 사람들에게 이를 제공하지 않는 이유는 무엇입니까?

더 나은 솔루션 - tensorflow 제거, pytorch 설치
왜 tensorflow가 그렇게 쉽게 제동될 수 있습니까?
왜 그냥 설치하고 실행할 수 없습니까?
pytorch에서는 쉽고 tf에서는 예측할 수 없는 이유는 무엇입니까? Wtf가 잘못되었나요?

지겹다!!!!

지겹다!!!!

이 의견은 문제에 아무 것도 추가하지 않습니다. 또한 아무도 TF를 사용하도록 강요하지 않지만 pip 패키지를 작동해야 하고 작동할 수 없는 경우 직접 빌드하지 않는 이유는 무엇입니까? 그것이 내가 어느 시점에서 끝내는 일입니다. 여기에 커뮤니티 지원 빌드도 있음을 보았습니다.
https://github.com/tensorflow/tensorflow 아래로 스크롤
GPU용으로 빌드하고 기여하시겠습니까?

더 나은 솔루션 - tensorflow 제거, pytorch 설치
왜 tensorflow가 그렇게 쉽게 제동될 수 있습니까?
왜 그냥 설치하고 실행할 수 없습니까?
pytorch에서는 쉽고 tf에서는 예측할 수 없는 이유는 무엇입니까? Wtf가 잘못되었나요?

지겹다!!!!

이슈 페이지입니다. 문제가 해결될 수 있도록 문제를 설명하거나 더 나은 방법으로 문제를 해결하는 데 도움을 주세요.

@raphaunix 이 차트의 출처를 여쭤봐도 될까요?

다음 명령을 실행하여 Tensorflow 1.11.0이 작동하도록 했습니다.

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

나는 그 이유가 ldconf라는 것을 알았습니다. ldconfig는 시스템에서 동적 링크 라이브러리를 사용할 수 있도록 하는 목적을 가진 동적 링크 라이브러리 관리 명령입니다.

기본 ldconf는 /lib 및 /usr/lib와 구성 파일 /etc/ld에 나열된 디렉토리 아래의 라이브러리 파일만 검색합니다. 그래서. 회의

따라서 이 모든 것은 /path/cuda-9.0/lib64 또는 /path/cuda-9.0/lib와 같은 설치된 CUDA 경로에 있는 CUDA의 동적 라이브러리에 의해 발생합니다. (예를 들어 내 CUDA는 /usr/local/cuda-9.0에 설치되어 있습니다)

1. CUDA 매뉴얼을 설치했다면, 설치 후 cuda/lib64의 경로를 /etc/ld.so.conf 파일에 추가해야 합니다.
sudo echo "/usr/local/cuda-9.0/lib64/" >> /etc/ld.so.conf
그 다음에
sudo ldconfig
물론 다음과 같이 경로 매뉴얼을 추가할 수 있습니다.
vim /etc/ld.so.conf
그런 다음 끝에 '/usr/local/cuda-9.0' 경로를 추가합니다.
그런 다음 업데이트
sudo ldconfig
작업 후 ipython 또는 pycharm을 다시 엽니다.
import tensorflow as tf
와우, 당신은 그것을 즐길 것입니다!

'dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb' 등의 명령으로 CUDA를 설치하면 자동으로 /etc/ld.so.conf에 cuda lib 경로가 추가될 수 있습니다. 그러나 안전을 위해 /etc/ld.so.conf를 확인하고 경로가 추가되는지 확인하십시오.

대신 @jabalazs conda install cudatoolkit==9.0 I 시도 pip install cudatoolkit==9.0 하지만,이 일을하지 않았다, 당신은 이유를 알고 있습니까?

colab의 런타임이 GPU를 사용하지 않는다는 사실을 발견했습니다. 그래서 내 오류가 발생했습니다.

더 나은 솔루션 - tensorflow 제거, pytorch 설치
왜 tensorflow가 그렇게 쉽게 제동될 수 있습니까?
왜 그냥 설치하고 실행할 수 없습니까?
pytorch에서는 쉽고 tf에서는 예측할 수 없는 이유는 무엇입니까? Wtf가 잘못되었나요?

좋은 솔루션 @dodler ! 하지만 xD를 통해 이 훌륭한 조언을 쉽게 따라갈 수 있도록 하는 명령이 누락되었다고 생각합니다.

pip uninstall tensorflow
pip install torch

즐거운 코딩!

Google Colab에서 GPU로 NuSVR의 속도를 높이기 위해 Thundersvm을 사용하려고 할 때 이와 동일한 오류가 발생했습니다.
Cuda 9.0을 설치하면 문제가 해결되었습니다.
그냥 따라 가라:

!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