tensorflow暂未兼容cuda9.0， 安装cuda8.0

最新推荐文章于 2025-04-04 00:00:00 发布
最新推荐文章于 2025-04-04 00:00:00 发布
阅读量8.1k 收藏
点赞数
分类专栏： deep learning 文章标签： 深度学习 cuda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Line290/article/details/78534828
版权
本文记录了一次尝试解决 CUDA 9.0 版本中出现的 libcublas.so.8.0 错误的过程。该错误表现为无法打开共享对象文件。文中提到了 NVIDIA 官方提供的旧版 CUDA 工具包存档链接，并引用了 NVIDIA 社区中关于此问题的讨论。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

旧版本cuda都在这边 https://developer.nvidia.com/cuda-toolkit-archive

nvidia社区相同问题

https://devtalk.nvidia.com/default/topic/1026198/cuda-9-0-importerror-libcublas-so-8-0/


错误信息：

ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory


win10+tensorflow_gpu1.5.0+CUDA9.0+cudnn7.0安装详细说明
熊猫云
03-04 4152
这几天在配置TensorFlow的GPU版的时候踩过不少坑，特此总结出来，以下是安装的整个详细过程及注意说明。一、首先确认电脑显卡的性能按照TensorFlow官网的要求，显卡的CUDA计算能力需要在3.0及以上，要是能力达不到就不需要安装tensorFlow的GPU版了，还是老老实实用CPU版好了...以下链接（也就是官网里的蓝字对应的链接）可以选择自己的显卡类型了解其性能：https://de...
学习笔记1：深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
lp654063449的博客
02-20 4935
        2018年2月13买了一台Dell Inspiron7577，i7-7700hq、1050Ti显卡、win10家庭版。由于课题需要开始学习深度学习，之前在实验室和自己的笔记本上安装TensorFlow总是不成功，不然就是仅实现cpu运算。本次安装主要是按照这位大神的安装步骤，大神安装的时间和我相近，大神解释的也很详尽，基本没有出太多的问题，在此十分感谢！本人土木专业，计算机小白一只...
CUDA9.0是官方Tensorflow的最新版本，那么好不容易装好的CUDA9.1就泡汤了。接下来我为大家展示CUDA9.1也是可以用Tensorflow的！
重庆一小兵--关注教育、机器视觉、商务智能、数据分析
02-20 1064
  CUDA9.0是官方Tensorflow的最新版本，那么好不容易装好的CUDA9.1就泡汤了。接下来我为大家展示CUDA9.1也是可以用Tensorflow的！   安装.whl文件，如果这里选择输入指令：pip install --ignore-installed --upgrade tensorflow那么在import tensorflow as tf会报错，显示OSError: ...
CUDA8.0和9.0版本切换
01-09 353
CUDA deb方式安装后，nvcc –version无效的问题 sudo apt-get autoremove nvidia-cuda-toolkit //查看/usr/local/cuda/bin中是否有nvcc的可执行文件 //在~/.bashrc中添加 export PATH=$PATH:/usr/local/cuda/bin source ~/.bashrc nvcc --ve...
CUDA概览
最新发布
2301_80079642的博客
04-04 1419
从深度学习的爆发式增长到 HPC 的持续突破，CUDA 始终是连接算法创新与硬件性能的桥梁。尽管面临跨平台框架的竞争，其在 NVIDIA GPU 生态中的核心地位短期内难以撼动，是开发者掌握 GPU 编程的必备技能。，旨在通过 GPU 的大规模并行计算能力加速科学计算、数据处理、人工智能等领域的计算任务。它打破了 GPU 仅用于图形渲染的局限，使其成为通用计算（GPGPU，通用目的 GPU 计算）的核心工具。
安装CUDA9.0及对应版本的tensorflow-gpu详细过程补充
baidu_41769354的博客
04-10 2217
本文大多借鉴此博客，请阅读下边的说明后参考本博客安装：安装CUDA9.0及对应版本的tensorflow-gpu详细过程（Windows server 2012R2版本也可以） 有几点需要说明： 查看自己电脑NV显卡驱动的版本，找到对应的CUDA版本 方法参考链接 版本对照表： 比如我的电脑NV显卡驱动版本是385.54，那么我就去下载CUDA9.0（如果显卡版本太低，可以下载一个驱动精灵更新一下英伟达显卡驱动，然后再查看一下对应的cuda版本） vs2015和cuda的安装问题 按照原博客，一定要先安
Windows 10 安装 Anaconda3 & GPU版Tensorflow & Cuda9 & cudnn7
心安便是归处
10-27 656
前言 为了更好的学习工作，清理了下电脑，重做了下系统，因此需要重新装深度学习相关的运行环境。在这里记录一下安装过程，以备后用。 环境：Windows 10 & vs-2015 & cuda9 & cudnn7 & anaconda3 & tensorflow-gpu 安装步骤 1. 安装 vs2015 首先在安装 cuda 之前需要安装 vs，在这选择安装 ...
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
sueong的博客
09-29 1242
我的问题是torch、cuda、cudnn、torchvison之间版本不匹配的问题 这篇博客给我了出路555：https://blog.csdn.net/c2250645962/article/details/105160102/ 其他原因可参考解决方法 https://github.com/pytorch/pytorch/issues/10910 电脑环境是 toch1.5.0 torchvision0.3.0 cuda10.2.89 cudnn7.6.5 python3.7.11 先安装cuda10
Ubuntu16.04下CUDA8.0和CUDA9.0共存
09-14
在Ubuntu 16.04操作系统中，同时安装CUDA 8.0和CUDA 9.0是为了满足不同项目或软件对CUDA版本的需求。有时，较旧的代码可能依赖于特定版本的CUDA，而最新的开发可能需要更高版本。这篇文章将详细阐述如何在Ubuntu ...
Ubuntu16.04安装CUDA8.0与CUDA9.0并存教程
"Ubuntu16.04下CUDA8.0和CUDA9.0共存的教程" 在深度学习和高性能计算领域，CUDA是NVIDIA公司提供的用于GPU编程的开发工具，它极大地加速了计算密集型任务。然而，不同的项目可能依赖于不同版本的CUDA，比如一些旧的...
Ubuntu + CUDA9.0 + tensorflow-gpu 安装过程
热门推荐
Erick Lv的笔记
02-14 6万+
Ubuntu + CUDA9.0 + tensorflow-gpu 安装过程 简介： tensorflow现在最新版本是1.5，支持CUDA9.0和cuDNN7.0，因此本教程是在该版本基础上进行安装的。我的电脑CPU是Intel core i7 4710MQ，GPU是GTX940M，请大家在安装前自己检查下硬件是否符合要求。 系统说明： 最好是Ubuntu16.04的，Ubunt...
tensorflow1.12支持cuda10
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]://home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： bazel build --config=opt --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
cuda与tensorflow的版本搭配问题
luccao的博客
08-22 1873
CUDA8.0只支持tensorflow version <=1.4， 要使用tensorflow version >=1.5的就要安装CUDA9.0 最佳的搭配是： 1. cuda8.0+tensorflow1.4+cuDNN6.0 2. cuda9.0+tensorflow1.8+cuDNN7.0.5...
配置TensorFlow的cuda环境教程
qq_24997277的博客
09-15 1万+
一、硬件要求 官网链接： https://developer.nvidia.com/cuda-gpus 选则自己显卡类型对应的NVIDIA系列，可以得到显卡的计算能力（compute capability） 注意标注Notebook的为笔记本电脑 二、软件要求 1. 了解tensorflow各个版本需要的CUDA版本以及Cudnn的对应关系 注意记下自己需要的tensorflow版本、CUDA版本、Cudnn版本 https://www.tensorflow.org/install/source#co
CUDA 9.0 + cuDNN 7.0 + Tensorflow源码编译
shengchun75的博客
10-08 1万+
手欠把CUDA升级到了9.0，然后发现cuDNN必须升级到7.0才支持。于是顺手把cuDNN升级到了7.0。然后发现在Python中导入Tensorflow报错。一查才知道tensorflow 1.3只支持CUDA8.0和cuDNN6.0.想把CUDA和cuDNN降级回去，却发现Nvidia官网6.0版本的cuDNN下载不下来了。悲催。 这时候终于理解了为何会有源码编译安装这种麻烦的方式–就是为了
Ubuntu 17.10 + Cuda9.0 + CUDNN + Tensorflow最正确姿势排坑
luoweiyiroy的博客
04-17 4405
     博主之前一直使用16.04与win10双系统，但是由于当初安装系统时候引导安装的有点问题，导致ubuntu使用起来一直有些毛病，搞了好久也没搞好，索性就想到干脆重新把系统装一下。作为一个爱尝鲜的用户，使用了这么长时间平平淡淡的长期稳定支持版，还是想要换换口味试试最新的17.10版本，不过鉴于长期支持版的18版本再过不久就会放出来了，估计17.10的寿命和用户数量也不会太多了，也正是这个原...
tensorflow1.5.0版本只支持cuda9.0
slhlde的博客
07-18 2982
tensorflow1.5.0版本只支持cuda9.0
Ubuntu使用pycharm：ImportError: libcublas.so.9.0: cannot open shared object file
kejizuiqianfang的博客
03-02 1829
ImportError: libcublas.so.9.0: cannot open shared object file解决办法 出现这个问题一般有好几个原因，下面将会一一讲解 1.首先我们需要检查自己安装的tensorflow的版本和cuda的版本是否对应，例如这里的libcublas.so.9.0实际是指cuda9.0里面的一个依赖库，这里我抄了一份tensorflow和cuda的对应表 （...
Win10环境+ CUDA9.0 +CUDNN7.0+TensorFlow1.7/1.6/1.5配置
xuefengxiaoyang的博客
03-02 5万+
前言：很多小伙伴在选择CUDA版本和cudnn版本上有疑问，这里简短的说一下，希望能帮到各位小伙伴，我在网上看到有人说，要根据自己的显卡来选择CUDA，其实是错误的，你可以下载自己所需要的CUDA版本,这只是个驱动而已。CUDA的版本和cundd的版本要对应，不然可能会有不兼容报错。CUDA是显卡驱动程序，cundd是用来加速深度学习训练的库，在训练网络时，使用GPU加速，会调CUDA驱动和cud...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值