Tensorflow 2.14.0（带有cuda）未注册CUDA？

Question

我正在尝试将 Tensorflow 与我的 GPU 结合使用。我的系统是 Fedora Linux 38，NVIDIA 驱动程序 535.113.01（当前最新）在我的系统上按预期工作。

我使用 Python 3.9 创建了一个 Python 环境（据我所知版本 3.11 无法使用 pip 安装 TF 2.14.0）。

在激活的环境中我安装TF如下：

python3.9 -m pip install tensorflow[and-cuda]

我可以看到 pip 安装了 Tensoflow 和许多必需的库（cublas、cuda、cull 等）。

一切看起来都不错，但是当我导入tensorflow时，我收到此错误：

>>> import tensorflow as tf 2023-10-22 01:58:31.798579: E tensorflow/compiler/xla/stream_executor/cuda/cuda_dnn.cc:9342] Unable to register cuDNN factory: Attempting to register factory for plugin cuDNN when one has already been registered 2023-10-22 01:58:31.798611: E tensorflow/compiler/xla/stream_executor/cuda/cuda_fft.cc:609] Unable to register cuFFT factory: Attempting to register factory for plugin cuFFT when one has already been registered 2023-10-22 01:58:31.798638: E tensorflow/compiler/xla/stream_executor/cuda/cuda_blas.cc:1518] Unable to register cuBLAS factory: Attempting to register factory for plugin cuBLAS when one has already been registered 2023-10-22 01:58:31.804107: I tensorflow/core/platform/cpu_feature_guard.cc:182] This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations. To enable the following instructions: AVX2 FMA, in other operations, rebuild TensorFlow with the appropriate compiler flags.

然后我使用 Tensorflow 中的 docker 镜像：tensorflow/tensorflow:latest-gpu，作为最后一个选项，但这显示了完全相同的错误

其他信息

• Python 版本：版本应 >=3.9 且 < 3.11 (I tried with many versions in between)

• 没有本地安装 CUDA/CUdNN：我删除了 CUDA 和 CUdNN，使用“find / -iname cuda”来确保没有痕迹

• 我重新安装了驱动程序并尝试了520版本，同样的问题

我试图弄清楚发生了什么，当 Tensorflow 说“...一个已经在 2023 年 10 月 22 日注册”为 cuDNN、cuBLAS、cuFFT 时，以便能够理解至少要查找什么，但我在网上找不到任何有用的东西。

Answer 1

经过72个小时的反复尝试，但没有成功，包括重新安装各个版本的nvidia驱动程序，我重新安装了操作系统并遵循了流程：

• 安装驱动程序（没有cuda！）
• 创建 python 环境
• 安装tensorflow[和-cuda]（使用Python 3.9

现在导入 Tensorflow，虽然显示相同的警告，但将使用 GPU：

physical_devices = tf.config.experimental.list_physical_devices('GPU')
if len(physical_devices) > 0:
    print("We got a GPU")
    tf.config.experimental.set_memory_growth(physical_devices[0], True)
else:
    print("Sorry, no GPU for you...")

这表明我的 GPU 终于启动并运行了……现在我可以再花 72 小时处理数据了……