是否可以为 GTX 1070 构建 TensorFlow？

Question

我有一个 Ubuntu 14.04 LTS 64 位和一个 Nvidia 视频卡 - GTX 1070（第 10 代）。我正在尝试构建 TensorFlow。

我尝试使用 CUDA 7.5 和 CuDNN 5 构建它，但结果证明我安装的 CUDA 7.5 需要 352.63.0 视频驱动程序，而我从 Nvidia 下载的 GTX 1070 视频驱动程序是 367.35 - 一个更新的版本。

TensorFlow 设法构建，但是当我运行示例时，运行时出现问题：

boyko@boyko-pc:~/Desktop/tensorflow/tensorflow/models/image/mnist$ LD_LIBRARY_PATH=/usr/local/cuda-7.5/targets/x86_64-linux/lib python3 convolutional.py

由于驱动不匹配，找不到CUDA：

E tensorflow/stream_executor/cuda/cuda_driver.cc:491] 调用 cuInit 失败：CUDA_ERROR_NO_DEVICE
E tensorflow/stream_executor/cuda/cuda_diagnostics.cc:296] 内核版本 367.35.0 与 DSO 版本 352.63.0 不匹配 -- 在此配置中找不到工作设备

完整日志 - http://pastebin.com/xiYtNsHk

CUDA 7.5 需要驱动 352.63 视频驱动，但 GTX 1070 需要 367.35。问题是 TensorFlow 官方只支持 CUDA 7.5。所以要求有点矛盾。

我需要做什么？是否可以在 GTX 1070 上使用 352.63 驱动程序，它是否会运行，即使它启用了有限的功能集？或者是否有针对此驱动程序构建的 CUDA 7.5 版本，或者有没有办法针对 CUDA 8.0 构建 TensorFlow？

这是我发现的一个相关问题 - Tensorflow Bazel 0.3.0 build CUDA 8.0 GTX 1070 fails。

Answer 1

您需要立即加入NVIDIA developer program 才能获得 CUDA 8.0 候选版本，因为正式版本尚未发布。你应该可以在你的 1070 上安装它（我让它在 1080 上工作）。较旧的驱动程序和 CUDA 版本甚至不支持 Pascal 架构，因此您必须走这条路。

然后你需要从 source 构建 tensorflow，这一次它应该可以工作。

Answer 2

我需要做什么？是否可以在 GTX 1070 上使用 352.63 驱动程序，它是否会运行，即使它启用了有限的功能集？或者是否有针对此驱动程序构建的 CUDA 7.5 版本，或者有没有办法针对 CUDA 8.0 构建 TensorFlow？

您可以针对 CUDA 8.0 构建它。我已经使用 GTX 1070 成功地做到了这一点。具体来说，我能够从源代码构建和安装张量流：NVIDIA 驱动程序 367.35、CUDA 8.0 RC、cuDNN 5.1，在 Ubuntu 14.04 上。这将使用 Pascal GPU 和 CUDA 8.0 提供的所有功能构建具有最大功能的 TensorFlow。

Answer 3

我设法构建了 tensorflow，它似乎工作正常。 正如其他答案所暗示的那样，正确与 GTX 10xx 一起工作的最低版本是 cuDNN 5 和 CUDA 8.0，但 不是 CUDA 8.0 附带的视频驱动程序。 以下是我使用的步骤：

配置设置

• 安装 Ubuntu 14.04 LTS
• 安装 CUDA 8.0 RC（“是”以“更新”视频驱动程序 - 361.77，使用 .run 文件，进入 /usr/local/cuda-8.0）。
• 安装支持 Pascal GPU 的视频驱动程序（我使用的是 367.35）
• 安装 cuDNN 5（到 /usr/local/cuda）
• 安装 Bazel（此处未记录详细信息）

构建张量流

• 如果 /usr/local/cuda 是符号链接，我建议删除它。
• 从 master 分支下载 tensorflow 源代码（提交时间约为 22/8/2016）
• 编辑 tensorflow/third_party/gpus/crosstool/CROSSTOL 并添加： cxx_builtin_include_directory: "/usr/local/cuda-8.0" （注意：符号链接不起作用，使用实际路径）link （Bazel 无法打开 CUDA 包含）
• ./配置
• bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
• cd bazel-bin
• tensorflow/tools/pip-package/build_pip_package [outfilename]
• pip 或 pip3 安装 [outfilename]

测试张量流

• 导出 LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64:LD_LIBRARY_PATH"
• [python 或 python3] [python-libs-path]/tensorflow/models/image/mnist/convolutional.py
• 测试误差：0.7%。

*如果测试误差很大，可能需要升级cuDNN。

*可以安装带有 cuDNN 4、CUDA 7.5 和最新视频驱动程序的 tensorflow 二进制版本，而不是构建 tensorflow。在 10xx GPU 下，像 matmul 这样的东西会起作用，而像 conv2d 这样的东西则不会。目前，tensorflow 的二进制版本不支持这种硬件，但我相信这会改变。