错误是什么：`加载的运行时CuDNN库：5005，但源代码是用5103`编译的？

Question

我试图用TensorFlow与GPU并得到了以下错误：

I tensorflow/core/common_runtime/gpu/gpu_device.cc:838] Creating TensorFlow device (/gpu:0) -> (device: 0, name: Tesla K20m, pci bus id: 0000:02:00.0) 
E tensorflow/stream_executor/cuda/cuda_dnn.cc:347] Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with 5103 (compatibility version 5100). 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. 
F tensorflow/core/kernels/conv_ops.cc:457] Check failed: stream->parent()->GetConvolveAlgorithms(&algorithms) 

当然

我试图解决这个错误（虽然这已经被问Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with 5103 (compatibility version 5100)），但我想理解的错误。我总是试图在发布（寻求帮助）之前尝试自己解决（编码）问题，但是即使启动这个问题我也很难，因为错误消息对我来说似乎有点神秘/不清楚，我似乎无法找到善于了解错误的含义。

要了解我把重点放在这似乎是在错误开头的行错误：

Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with 5103 (compatibility version 5100). 

阅读，似乎相关的一些github上的网页后，我意识到，读取错误如下实际上是更有帮助：

Loaded runtime CuDNN library: 5005 but source was compiled with 5103.

去除括号使错误做出更多的感觉（虽然我想知道/了解括号的作用是在错误信息，以方便用户调试），因为它似乎加载CuDNN文库5005（在文献中）但是TensorFlow（用于python）是用我猜想的版本5103进行编译的。显然，如果TensorFlow库使用根据5103的API，但是使用“真实”API与（cuda）深层对话学习库CuDNN是5005版本，​​它清楚这将是一个问题。尽管他们只是猜测发生了什么事情。

我的第一个混淆是，据我所知，没有这样的事情CuDNN 5005或5103.这将是非常好理解错误的意思是什么意思，以便我可以开始尝试调试真的。至于我可以告诉，当我使用module list我使用：

cudnn/5.0 

我的第二个困惑是括号，我忽略他们的意思：

1. Loaded runtime CuDNN library: 5005 (compatibility version 5000)
2. but source was compiled with 5103 (compatibility version 5100)

我真的不知道“兼容版本XXXX”是什么意思。也许它建议为CuDNN安装版本5000（无论这意味着什么）（它仍然令人困惑，因为没有5000版本的CuDNN）并编译使用CuDNN版本5100的TensorFlow版本（以某种方式）。

是否有人更准确地知道错误究竟意味着什么（并提供解决方案以解决我所链接的问题）

Answer 1

这是对正在发生的事情的近似描述。

cuDNN具有主要版本，其编号例如4.0，5.0，5.1等。

这些主要版本可能包含API更改。因此，使用cuDNN v4（即4.0）的程序可能需要一些修改以使用或使用cuDNN v5（即5.0）中的新功能。

主版本编码在4位版本号的前两位数字中。所以一个cuDNN的4位数字版本号码5103意味着它属于5.1主要版本并且具有03的子版本号。对于兼容性，这样的版本应该与任何其他的51DN的cuDNN库版本API兼容，因为它们都属于5.1主要版本（这不能保证是完全真实的AFAIK，但它是一般的想法）。因此，发行号为51xx的这些库中的任何一个都将具有5100的兼容性版本，以指示它们属于5.1版主要版本（并且（应该与其兼容））。我们只需要指定前两位数字 - 5000代表5.0，5100代表5.1。我们只需要指定前两位数字，即5000表示5.1，5100表示​​5.1。但是发行版可能有一个非零的版本号。这可能有多种原因，例如允许错误修复版本等。

当一个程序（如tensorflow）被设计为使用cuDNN时，它通常会被编码为与一个特定版本的cuDNN一起工作。在某些情况下，可以在编译时通过“编译”一个特定的cuDNN版本（以及它的相关API，即构建tensorflow时使用的头文件）来进行处理。因此，在编译时，像tensorflow这样的程序可以确定它编译的cuDNN API的版本，这是一个4位数版本（尽管一般来说，只有兼容性版本，即4位数字的前两位数字版本应该真的很重要）。

在运行时，您在某处安装了某个特定版本的cuDNN库（例如Linux上的.so）。该库的版本可以确定，查询和报告。如果实际的库版本不符合（至少从兼容版本的角度来看），那么tensorflow编译的cuDNN库的版本就是一个很好的迹象，表明事情可能不起作用，所以tensorflow在运行时指出了这一点：

Loaded runtime CuDNN library: 5005 but source was compiled with 5103.

这是tensorflow告诉你：“嘿，我的设计（编译）与cuDNN V5.1的工作，但你只给我cuDNN 5.0一起工作”。

子版本级别的差异应该不那么显着。如果您知道自己在做什么，即使您的张量流是针对版本5103编译的，也可以使用cuDNN运行时版本5107。这只是一个假设性示例，但这表明库中有一些不同旨在改变适当的功能或行为，或API接口。例如（假设这是一个假想的例子）。

在理想的情况下，您可以根据您使用的cuDNN版本构建tensorflow。但是，如果您已经下载了预构建的tensorflow软件包，那么您可能会看到这类信息（因为您大概是单独下载了cuDNN）。在这种情况下，您至少应该尝试将您使用的cuDNN主要版本与tensorflow期望的兼容版本进行匹配。在这个特定的例子中，你没有这样做。

Answer 2

也许你可以下载“cuDNN V5.1支持CUDA 8.0/7.5，然后再进行安装。