Ошибка cudaGetDevice (). Состояние: версии драйвера CUDA недостаточно для версии времени выполнения CUDA (на GCP - Ubuntu 18 LTS работает в VN C GUI) - PullRequest
Новая
       28

Ошибка cudaGetDevice (). Состояние: версии драйвера CUDA недостаточно для версии времени выполнения CUDA (на GCP - Ubuntu 18 LTS работает в VN C GUI)

0 голосов
/ 22 января 2020

Я перешел по этой ссылке , чтобы получить все мои версии по порядку:

Мне нужно использовать Tensorflow_GPU_1.14.0 для устаревших кодовых целей.

Следовательно:

tenorflow_gpu-1.14.0
Python: 2.7, 3.3-3.7
cuDnn: 7.4
Cuda: 10.0 

import tensorflow as tf; print(tf.__version__)

возвращает 1.14.0

Мой nv cc Версия: 

nvcc --version
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

Мой nvidia-smi: 

nvidia-smi
Wed Jan 22 16:47:10 2020       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 410.104      Driver Version: 410.104      CUDA Version: 10.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla K80           Off  | 00000000:00:04.0 Off |                    0 |
| N/A   47C    P8    31W / 149W |     27MiB / 11441MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      2524      G   /usr/lib/xorg/Xorg                             9MiB |
|    0      2574      G   /usr/bin/gnome-shell                           6MiB |
+-----------------------------------------------------------------------------+

И моя версия Cudnn: 

cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 4
#define CUDNN_PATCHLEVEL 2
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"

My python версия: 

import sys

print(sys.version)
3.6.10 |Anaconda, Inc.| (default, Jan  7 2020, 21:14:29) 
[GCC 7.3.0]

Я использую Ubuntu 18.04 LTS

1 Ответ

0 голосов
/ 22 января 2020

Чтобы расширить ответ Роберта в разделе комментариев ниже, я сначала удалил существующий nvidia, используя 

sudo apt-get purge nvidia-*

Затем установил самую новую версию, используя 

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt upgrade
ubuntu-drivers list

Затем из списка Я выбрал 

sudo apt install nvidia-driver-VERSION_NUMBER_HERE

Затем я sudo reboot свой экземпляр и выполнил следующий код в блокноте Jupyter. 

import tensorflow as tf
print(('Is your GPU available for use?\n{0}').format(
    'Yes, your GPU is available: True' if tf.test.is_gpu_available() == True else 'No, your GPU is NOT available: False'
))

print(('\nYour devices that are available:\n{0}').format(
    [device.name for device in tf.config.experimental.list_physical_devices()]
))

И это сработало

...