Conda、Keras、cuDNN：显示不同的版本

Question

我正在使用 Anaconda（在 Ubuntu 18.04 中）并且我有一个安装了 Keras（和 tensorflow-gpu）的环境。以下是不同的版本：

• Keras：2.2.4
• Tensorflow-GPU：1.15.0
• CuDNN：Cuda10.0.0 为 7.6.5
• CudaToolKit：10.0.130

版本由 Conda 选择，但我想知道为什么当 nvidia-smi 显示我的 cuda 应该是（或者是？）10.1 时它下载了 10.0：

NVIDIA-SMI 435.21 驱动程序版本：435.21 CUDA 版本：10.1

但是，有趣的是，当我执行 nvcc --version 时：

Cuda 编译工具，9.1 版，V9.1.85

所以我的问题来了：我使用的是什么版本的 Cuda？我应该使用哪个版本的 Cuda？ Anaconda 是否按环境处理 Cuda？

PS：（这不是我的问题，而是我为什么问它）

我问这个是因为我遇到了这个问题：

tensorflow/stream_executor/cuda/cuda_dnn.cc:329] 无法创建 cudnn 句柄：CUDNN_STATUS_INTERNAL_ERROR

我寻找了一个解决方案 (could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR)，但我尝试的答案都没有奏效（删除文件、在 sudo 中运行等），所以我认为这是一个兼容性问题

Answer 1

注意：虽然我不认为这个答案是解决方案，但它让我可以继续我的项目，所以目前它已经足够好了。

1. 重新安装 Cuda 10.1（在我的情况下不是 10.2，因为 Steam 的驱动程序 440 存在问题）（检查您的 nvidia 驱动程序是什么版本，并确保为该版本安装正确的 Cuda）
2. 安装后关注：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#post-installation-actions
3. 使用 whereis cuda 查找系统上是否还有其他版本（在我的例子中，我有 cuda-dev-9.1，这解释了为什么 nvcc -V 显示该版本）
4. 删除所有旧版本
5. 通常，nvcc -V 和 nvidia-smi 应该显示相同的 Cuda 版本
6. 如果需要，重新安装 cudnn

现在，这并不能修复错误：

无法创建 cudnn 句柄：CUDNN_STATUS_INTERNAL_ERROR

一个可行的解决方案（但仍然不是很棒）是在您的 python 文件顶部添加以下代码（我使用 Keras，但它也可以单独与 TensorFlow 一起使用）：

from keras.backend.tensorflow_backend import set_session
import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
set_session(sess)

而且它（显然）有效！

非常感谢 Berkay 的支持！

（从技术上讲，在添加另一个之前尝试删除旧版本，但它也可以）