Tensorflow 2.1+

¿Qué está sucediendo?

Con la nueva versión de Tensorflow 2.1 , el paquete pip de tensorflow predeterminado contiene versiones de TF para CPU y GPU. En versiones anteriores de TF, no encontrar las bibliotecas de CUDA emitía un error y generaba una excepción, mientras que ahora la biblioteca busca dinámicamente la versión correcta de CUDA y, si no la encuentra, emite la advertencia (La W al principio se destaca para advertencias, los errores tienen una E (o F para errores fatales) y regresan al modo solo CPU. De hecho, esto también se escribe en el registro como un mensaje de información justo después de la advertencia (tenga en cuenta que si tiene una nivel de registro mínimo que el predeterminado, es posible que no vea mensajes de información). El registro completo es (énfasis mío):

2020-01-20 12:27:44.554767: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] No se pudo cargar la biblioteca dinámica 'cudart64_101.dll'; error: cudart64_101.dll no encontrado

2020-01-20 12:27:44.554964: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore el error anterior de cudart si no tiene una GPU configurada en su máquina.

¿Debería preocuparme? ¿Cómo lo soluciono?

Si no tiene una GPU habilitada para CUDA en su máquina, o si no le importa no tener aceleración de GPU, no se preocupe. Si, por otro lado, instaló tensorflow y quería aceleración de GPU, verifique su instalación de CUDA (TF 2.1 requiere CUDA 10.1 , no 10.2 o 10.0).

Si solo desea deshacerse de la advertencia, puede adaptar el nivel de registro de TF para suprimir las advertencias, pero eso podría ser excesivo, ya que silenciará todas las advertencias.

Tensorflow 1.X o 2.0:

Su configuración de CUDA está rota, asegúrese de tener instalada la versión correcta.

Para instalar los requisitos previos para la compatibilidad con GPU en TensorFlow 2.1:

1. Instale los últimos controladores de GPU.
2. Instale CUDA 10.1 .
   • Si el instalador de CUDA informa que "está instalando una versión anterior del controlador", es posible que desee elegir una instalación personalizada y anular la selección de algunos componentes. De hecho, tenga en cuenta que TensorFlow no requiere el software incluido con CUDA, que incluye GeForce Experience, PhysX, un controlador de pantalla y la integración con Visual Studio.
   • También tenga en cuenta que TensorFlow requiere una versión específica del kit de herramientas CUDA a menos que compile desde la fuente; para TensorFlow 2.1 y 2.2, actualmente es la versión 10.1.
3. Instale cuDNN.
   1. Descargue cuDNN v7.6.4 para CUDA 10.1. Esto requerirá que se registre en el Programa para desarrolladores de NVIDIA.
   2. Descomprima en una ubicación adecuada y agregue el directorio bin a su RUTA.
4. Instalar tensorflow por pip install tensorflow .
5. Es posible que deba reiniciar su PC .

Resolví esto de otra manera. En primer lugar, instalé el kit de herramientas cuda 10.1 desde este enlace

Donde seleccioné el tipo de instalador (exe (local)) e instalé 10.1 en modo personalizado significa (sin integración de Visual Studio, NVIDIA PhysX porque anteriormente instalé CUDA 10.2, por lo que las dependencias requeridas se instalaron automáticamente)

Después de la instalación, desde la siguiente ruta (C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin), en mi caso, copié el archivo 'cudart64_101.dll' y lo pegué (C:\Program Files\ NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin).

Luego, la importación de Tensorflow funcionó sin problemas.

NB Perdón por mal inglés

Esta solución funcionó para mí:

Preinstalé el entorno con anaconda (aquí está el código)

 conda create -n YOURENVNAME python=3.6 // 3.6> incompatible with keras conda activate YOURENVNAME conda install tensorflow-gpu conda install -c anaconda keras conda install -c anaconda scikit-learn conda install matplotlib

pero después de que todavía tenía estas advertencias

 2020-02-23 13:31:44.910213: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found 2020-02-23 13:31:44.925815: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll 2020-02-23 13:31:44.941384: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll 2020-02-23 13:31:44.947427: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll 2020-02-23 13:31:44.965893: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusolver64_10.dll 2020-02-23 13:31:44.982990: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusparse64_10.dll 2020-02-23 13:31:44.990036: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found

Cómo resolví la primera advertencia: simplemente descargué un archivo zip que contenía todos los archivos cudnn (dll, etc.) aquí: https://developer.nvidia.com/cudnn

Cómo resolví la segunda advertencia: busqué el último archivo faltante (cudart64_101.dll) en mi entorno virtual creado por conda y simplemente lo copié/pegué en la misma carpeta lib que para el .dll cudnn

Una forma más sencilla sería crear un enlace llamado cudart64_101.dll para apuntar a cudart64_102.dll . Esto no es muy ortodoxo, pero dado que TensorFlow está buscando símbolos exportados cudart64_101.dll y la gente de nvidia no son aficionados, lo más probable es que no eliminen los símbolos del 101 al 102. Funciona, según esta suposición (el kilometraje puede variar).

Tensorflow 2.1 funciona con Cuda 10.1.

Si quieres un truco rápido:

• Simplemente descargue cudart64_101.dll desde aquí . Extraiga el archivo zip y copie cudart64_101.dll en su directorio bin de CUDA

Demás:

• Instalar Cuda 10.1

En un entorno conda , esto es lo que resolvió mi problema (me faltaba cudart64-100.dll :

1. Lo descargué de dll-files.com/CUDART64_100.DLL

2. Póngalo en mi entorno conda en C:\Users\<user>\Anaconda3\envs\<env name>\Library\bin

¡Eso es todo lo que tomó! Puedes verificar dos veces si está funcionando:

 import tensorflow as tf tf.config.experimental.list_physical_devices('GPU')

Tensorflow gpu 2.2 y 2.3 todas las noches

(junto con CUDA Toolkit 11.0 RC)

Para resolver el mismo problema que OP, solo tenía que encontrar cudart64_101.dll en mi disco (en mi caso, C:\Program Files\NVIDIA Corporation\NvStreamSrv ) y agregarlo como entorno variable (es decir, agregar valor C:\Program Files \NVIDIA\Corporation\NvStreamSrv)cudart64_101.dll a la ruta de la variable de entorno del usuario).

Pude solucionar el problema actualizando los controladores de dispositivos NVIDIA a la versión más reciente (v446.14). Enlace de descarga de controladores NVIDIA aquí .

TensorFlow 2.3.0 funciona bien con CUDA 11. Pero debe instalar tf-nightly-gpu (después de instalar tensorflow y CUDA 11): https://pypi.org/project/tf-nightly-gpu/

Tratar:

 pip install tf-nightly-gpu

Luego obtendrá el mensaje en su consola:

 I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_110.dll

Esta respuesta puede ser útil si ve el error anterior, pero en realidad tiene instalado CUDA 10:

 pip install tensorflow-gpu==2.0.0

producción:

 I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll

que fue la solución para mí.

En mi caso, la instalación de tensorflow buscaba cudart64_101.dll

La parte 101 de cudart64_101 es la versión Cuda - aquí 101 = 10.1

Había descargado 11.x, por lo que la versión de cudart64 en mi sistema era cudart64_110.dll

¡¡Este es el archivo equivocado!! cudart64_101.dll ≠ cudart64_110.dll

Solución

Descarga Cuda 10.1 desde https://developer.nvidia.com/

Instalar (el mío falla con NSight Visual Studio Integration, así que lo apagué)

Cuando la instalación haya terminado, debería tener una carpeta Cuda 10.1, y en el contenedor, el dll del sistema se quejaba de que faltaba.

Verifique que la ruta a la carpeta bin 10.1 esté registrada como una variable ambiental del sistema, por lo que se verificará al cargar la biblioteca

Es posible que necesite reiniciar si el sistema no selecciona la ruta de inmediato

Instalé cudatoolkit 11 y copié dll C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin a C:\Windows\System32 . Se arregló para PyCharm pero no para Anaconda jupyter:

[nombre: "/dispositivo:CPU:0" tipo_dispositivo: "CPU" límite_memoria: 268435456 localidad { } encarnación: 6812190123916921346 , nombre: "/dispositivo:GPU:0" tipo_dispositivo: "GPU" límite_memoria: 13429637120 localidad { bus_id: 1
enlaces { } } encarnación: 18025633343883307728 dispositivo_físico_desc: "dispositivo: 0, nombre: Quadro P5000, id de bus pci: 0000:02:00.0, capacidad de cómputo: 6.1" ]

descargar CUDA Toolkit 11.0 RC

Para resolver el problema, solo busco cudart64_101.dll en mi disco (C:\Program Files\NVIDIA Corporation\NvStreamSrv) y lo agrego como entorno variable que agrega valor (C:\Program Files\NVIDIA\Corporation\NvStreamSrv)cudart64_101 .dll a la ruta de la variable de entorno del usuario).

Me encontré con este problema al mezclar pip y conda para instalar tensorflow 2.3. (Usé pip para instalar tensorflow 2.3 b/c en el momento en que se rompió la instalación de tensorflow 2.3 de conda).

Terminé con las versiones incorrectas de cudatoolkit y cudnn instaladas.

Para resolver el problema, simplemente hice conda install con versiones específicas de cudatoolkit y cuda especificado.

Mire https://www.tensorflow.org/install/source_windows?force_isolation=true#tested_build_configurations para obtener información sobre las versiones de tensorflow, cudatoolkit y cuda que deberían funcionar juntas.