autodl平台tensorflow运行报错Loaded runtime CuDNN library: 7604 (compatibility version 7600)

---

问题描述

tensorflow-gpu启动之后报错:

2024-08-15 22:44:11.450331: E tensorflow/stream_executor/cuda/cuda_dnn.cc:378] Loaded runtime CuDNN library: 7604 (compatibility version 7600) but source was compiled with 7004 (compatibility version 7000).  If using a binary install, upgrade your CuDNN library to match.  If building from sources, make sure the library loaded at runtime matches a compatible version specified during compile configuration.
2024-08-15 22:44:11.450699: F tensorflow/core/kernels/conv_ops.cc:717] Check failed: stream->parent()->GetConvolveAlgorithms( conv_parameters.ShouldIncludeWinogradNonfusedAlgo<T>(), &algorithms) 
Aborted (core dumped)

---

原因分析：

CuDNN库版本与TensorFlow编译时所使用的版本不兼容。具体来说，本机安装了CuDNN版本 7.6.4，但TensorFlow是在使用CuDNN版本 7.0.4 时编译的。

---

解决方案：

首先，转到 https://tensorflow.google.cn/install/source?hl=en，在build from source 找到匹配的版本进行安装:

注意：Windows 上的 GPU 支持仅适用于 2.10 或更早版本，从 TF 2.11 开始，Windows 不支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow 或将 tensorflow-cpu 与 TensorFlow-DirectML-Plugin 一起使用

找到对应版本之后有两种方法，第一种直接用conda命令安装（需要ke xue shang wang）：

conda install cudatoolkit==xx.xx
conda install cudnn==xx.xx

顺利的话可以直接安装成功，但是有时候会出现搜索不到环境的情况（例如，我的镜像源都是清华镜像源，我需要安装cudnn=7.0.4，但是这些源都没有这个版本，就会报搜索失败的错误）

这个时候需要先搜索已有版本，命令：conda search cudatoolkit，查到相近版本进行安装。

第二种方法是直接下载安装包安装，CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive，下载.run文件然后安装：

chmod +x xxx.run   # 增加执行权限
./xxx.run          # 运行安装包

cuDNN下载地址：https://developer.nvidia.com/cudnn（需要先注册，再进入library）
安装方法：
先解压， 后将动态链接库和头文件放入相应目录。解压命令：

tar -xzvf cudnn-xxxxxxxxxxxxxxxxxxxxx.tgz

后将动态链接库和头文件放入相应目录:
mv cuda/include/* /usr/local/cuda/include/
chmod +x cuda/lib64/* && mv cuda/lib64/* /usr/local/cuda/lib64/

安装完成以后，增加环境变量：
echo “export LD_LIBRARY_PATH=/usr/local/cuda/lib64/: ${LD_LIBRARY_PATH} \n” >> ~/.bashrc
source ~/.bashrc && ldconfig

安装完之后检查一下cudnn版本，语句：
ldconfig -p | grep cudnn

上边的输出日志.so后的数字即为版本号。如果cudnn连同cuda全部重装了，查询语句：
conda list | grep cudnn

完成