文章目录

• • 前言
  • 1. 问题描述
  • 2. 问题原因
  • 3. 解决过程

前言

  本篇博客主要解决在安装tensorflow-gpu之后，使用gpu训练模型时报错的问题。

1. 问题描述

软件	版本号
OS	Ubuntu 18.04
CUDA	10.1
cuDNN	7.6.5
TensorFlow-GPU	2.3.0

	# test whether GPU can be used
	import tensorflow as tf

	# 查看版本号
	tf.__version__
	# 查看gpu能否使用
	tf.test.is_gpu_available()
	# 

  然后报错：Could not load dynamic library 'libcudnn.so.7'; dlerror: libcudnn.so.7: cannot open shared object file: No such file or directory，根据下图可以看出tensorflow检测到了有gpu的存在，并输出了gpu的相关信息，但是缺少gpu的库文件libcudnn.so.7，导致gpu不能正确加载。

2. 问题原因

  缺少gpu的库文件，因为我使用PyTorch进行GPU训练是可以的，所以猜测是tensorflow的依赖问题，缺少相关库导致gpu加载失败。

3. 解决过程

  理论上来讲，从别的机子上copy一下这个文件，应该也是能用的，但，我的是服务器…不好弄。所以就看了看相关博客，在此做总结如下：

	# 使用conda安装cudnn
	conda install -c anaconda cudnn

  然后再次进行测试gpu能否使用：

  这就很ok了，既然通过conda安装之后解决了，说明是虚拟环境中缺少gpu的加载库。
  再回头看一下这条指令是什么意思：conda install -c anaconda cudnn
  有些包在conda默认的channels中不包含，比如cudatoolkit，cudnn等，这时只需要在conda install指令后加上-c anaconda 即可。也确实，有时候使用pip install一些库时，会导致相关的依赖没有完全安装完，不知道使用pip install cudnn能否成功，暂未测试。