Possibly insufficient driver version: 410.48.0

NVIDIA driver版本是410.48的，说这个原因是为啥子？接上一篇

github issue在此：https://github.com/tensorflow/tensorflow/issues/34214

我搜索了这个问题，发现很少。NVIDIA官网给出的匹配兼容性

我的如下：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

完全是兼容的，这就见鬼了。卧槽。

群里大佬说是cudnn的问题，这个版本咋获取啊？有没有快捷命令，which和find都找不到啊。

 

我也安装了cudnn了，怎么安装的？不知道对不对，也没个验证的方法和步骤，这不是扯淡吗？

dpkg -i libcudnn7_7.6.5.32-1+cuda10.0_amd64.deb

人生艰难啊！

附录：下载cudnn官网地址：https://developer.nvidia.com/rdp/cudnn-download

要先注册才可以似乎。

按照这个博文的做法，测试下安装是否成功。

首先设置export，具体看自己的路径，别照抄。

export PATH=/usr/local/cuda-10.0/bin:/usr/local/cuda-10.0/NsightCompute-1.0${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make

说到这我就来气，作为阿里对面资深搬砖工，本大佬连sudo权限都没有。。。。。。。。。服了

我复制到其他有权限的目录下make，务必复制samples/1_Utilities/deviceQuery 中的samples文件。大文件。

  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
> Peer access from Tesla V100-PCIE-16GB (GPU0) -> GeForce RTX 2080 Ti (GPU1) : No
> Peer access from Tesla V100-PCIE-16GB (GPU0) -> GeForce RTX 2080 Ti (GPU2) : No
> Peer access from GeForce RTX 2080 Ti (GPU1) -> Tesla V100-PCIE-16GB (GPU0) : No
> Peer access from GeForce RTX 2080 Ti (GPU1) -> GeForce RTX 2080 Ti (GPU2) : Yes
> Peer access from GeForce RTX 2080 Ti (GPU2) -> Tesla V100-PCIE-16GB (GPU0) : No
> Peer access from GeForce RTX 2080 Ti (GPU2) -> GeForce RTX 2080 Ti (GPU1) : Yes

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.0, CUDA Runtime Version = 10.0, NumDevs = 3
Result = PASS

但是实际我跑代码还是不行。卧槽。

采用另外的方法，将deb文件解压，将其文件cp到相应的cuda-10.0下面。作为资深搬砖工，我竟然没有权限。。。。！！！！！

卧槽，没法玩。那句话说得好：

工欲善其事必先利其器

GPU都没有，为啥没有？不好装，为啥不好装？没权限，给你权限能不能搞定？？这。。不一定。但我想试试。

你这个月啥都没做出来？就玩这个GPU了？？？

我。。。。。。。。。。。。。。。。。。。

群里大佬给我提了个方法，tf官网的，如下：

gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
    try:
        for gpu in gpus:
            tf.config.experimental.set_memory_growth(gpu, True)
        logical_gpus = tf.config.experimental.list_logical_devices('GPU')
        print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs")
    except RuntimeError as e:
        print(e)

很遗憾，仍不能解决问题。从代码上看，这个只是查看有多少GPU，但能不能用未知啊。

在此感谢所有给予帮助的热心大佬。

 

另外有相关问题可以加入QQ群讨论，不设微信群

QQ群：868373192 

语音深度学习群