Tensorflow的大坑：Win10（Anaconda）下CuDNN library: 7.1.4 but source was compiled with: 7.2.1解决方案

Tensorflow的大坑：Win10（Anaconda）下CuDNN library: 7.1.4 but source was compiled with: 7.2.1解决方案

问题来源

安装Keras的时候，tensorflow已经装了好久，两者之间不兼容。因为博主是一个没事就喜欢搞事的人，特别想尝一尝keras的味道，于是乎，博主只能哭着进行了Tensorflow-gpu的卸载与重装。由于不少题主已经发博客对这一过程进行了详细地说明，这里只对以下这个问题进行解决。

有的筒子可能重装了GUDA、GUDNN、tensorflow-gpu后，测试代码可能没问题，但是，一旦大家开心地准备尝试CNN（卷积神经网络）的时候会发现：

Loaded runtime CuDNN library: 7.1.4 but source was compiled with: 7.2.1.  CuDNN library major and minor version needs to match or have higher minor version in case of CuDNN 7.0 or later version. If using a binary install, upgrade your CuDNN library.  If building from sources, make sure the library loaded at runtime is compatible with the version specified during compile configuration.

类似于这样的报错？？？？

解决方法

假设你已经按照https://blog.csdn.net/zw__chen/article/details/79374467类似的步骤重装了。（这个博主写的版本比较老，但是步骤可以参考。大家一定注意版本号对应，版本号可以看这个https://blog.csdn.net/yuejisuo1948/article/details/81043962 ）

So，我明明重装了CUDNN啊，为啥啊？？

也许你和我一样使用的是Anaconda，那么，请打开你的Anaconda安装路径（比如：我的路径是F:\Anaconda\anaconda\pkgs），你会发现这有个

好的，我们找到了这个玩意，也许Anaconda直接是使用这里的CUDNN，而不是在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0这个地方的CUDNN（这只是猜测）。

为此，我们尝试一下直接更新这个pkgs，在这个网站下载(https://anaconda.org/anaconda/cudnn/files?sort=basename&sort_order=desc)选择合适版本的CUDNN（一定要注意是合适的版本），然后把刚下载的文件解压得到：

 

（博主特别提醒：特别注意备份一份，因为以下的操作是不可逆的！！！！！！！）

 

将里面Library的东西复制覆盖到F:\Anaconda\anaconda\pkgs\ cudnn-7.1.4-cuda9.0_0\Library的东西（也许你的Anaconda路径不同，需要自己找一下）路径，再试一下。可能还是会报错。

可能你在第一次装tensorflow的时候新建了一个环境路径envs。那么你就有F:\Anaconda\anaconda\envs这个文件夹。这时候，你还需要进行一下替换：

（博主特别提醒：特别注意备份一份即将替换的东西，因为以下的操作是不可逆的！！！！！！！）

打开F:\Anaconda\anaconda\envs\tensorflow\Library，你会发现：

这三个文件夹里还有需要替换的东西：

在这三个文件夹中分别找到：

（F:\Anaconda\anaconda\envs\tensorflow\Library\bin中）

（F:\Anaconda\anaconda\envs\tensorflow\Library\include中）

(F:\Anaconda\anaconda\envs\tensorflow\Library\lib\x64中)

然后备份一份（备份是指：复制到另一个文件夹，防止这种解决方法无效，方便回退），之后我们再去：下载的中找到对应的文件进行覆盖。

 

至此，博主的问题已经解决。CNN已经可以跑起来了。

 

总结：

同时，虽然回退tensorflow-gpu的版本是可行的，但是，如果你的tensorflow-gpu的版本回退会导致其他问题的话（如：keras版本兼容问题）或者你是一个与时俱进的好少年，你可以尝试我的这个解决方案，还是不要回退为妙。

 

希望这篇博文能给沉迷深度学习的各位筒子一些帮助。部分的内容参考了

https://github.com/tensorflow/tensorflow/issues/23715

如果大家没有听明白，可以去上面这个链接看看。

 

最后搞定了之后，建议在F:\Anaconda\anaconda\pkgs\cudnn-7.1.4-cuda9.0_0写一个更新提醒，防止日后忘了已经更新到了新的版本。