我收到有关错误的错误：Can't find libdevice directory ${CUDA_DIR}/nvvm/libdevice in tensorflow object_detection api

Question

Windows版本：Windows 10 Pro 21H2 19044.1706 显卡：rtx2070

import tensorflow as tf
import torch
print(torch.__version__) #1.10.1+cu113
print(torch.version.cuda) #11.3
print(tf.__version__) #2.9.1

我跑步

python .\object_detection\builders\model_builder_tf2_test.py

我可以获得“在 18.279 秒内运行 24 次测试，OK（跳过 = 1）”结果；

但是当我想训练我的模型时，我使用

feature_extractor {
   type: 'faster_rcnn_inception_resnet_v2_keras'
}

在我的 pipeline_config 中，我运行

python .\object_detection\model_main_tf2.py --logtostderr --pipeline_config_path=LOCATION_OF_MY_PIPECONFIG --model_dir=LOCATION_OF_MY_MODEL_DIR

然后我收到以下错误 在我的系统环境变量中，'CUDA_DIR'是变量并且可以访问

Answer 1

我也遇到了同样的问题，刚刚解决了。即使您设置了“CUDA_DIR”，库也找不到该文件夹，因为它没有使用该变量或我尝试过的任何其他变量。这篇post有助于理解这个问题。我能找到的唯一解决方案就是复制所需的文件。

快速修复步骤：

1. 找到 CUDA nvvm 的安装位置（对我来说是“C:\Program Files\NVIDIA GPU Compute Toolkit\CUDA 11.6”）。
2. 找到脚本的工作目录（运行脚本的环境或目录）。
3. 将整个 nvvm 文件夹复制到工作目录中，您的脚本应该可以工作。

这不是一个很好的解决方案，但在其他人发布答案之前，您至少可以运行您的代码。

Answer 2

这是我解决同样问题的方法：

1. 转到 CUDA 主文件夹路径及其 v10.x 或 v11.x 子文件夹。

   在我的例子中是来自目录路径： C:\Program Files\NVIDIA GPU 计算工具包\CUDA 11.7

   

2. 复制nvmm整个文件夹。

3. 将其粘贴到当前的Python工作目录中。

   在我使用 Pycharm 的情况下，它必须与 .idea 和 __pycache__ 文件夹以及 venv 文件夹位于同一目录（照片中未显示）

4. 再次运行您的程序/代码。它现在应该可以工作并且不会显示错误：无法找到 libdevice 目录 ${CUDA_DIR}/nvvm/libdevice 了。

Answer 3

将 CUDA nvvm 复制到虚拟环境所在的目录中。

Answer 4

解决方案1

如果您遵循官方

tensorflow

指南并使用

tensorflow

+

anaconda/miniconda

安装了

pip

，这里是

CUDA_DIR

的位置：

/root/miniconda3/{YOUR_ENVIRONMENT_NAME}

如果您正确安装了

CUDA

，此文件夹应包含子文件夹

nvvm

，这正是

tensorflow

为了找到

libdevice

而要查找的内容。

编辑：

解决方案2

经过一些实验，发现有时即使设置

CUDA_DIR

路径也不起作用。事实证明，

tensorflow

会在当前工作目录中寻找CUDA。

解决方案：

1. 确定你当前的工作目录（只需执行

   pwd

   ）
2. 将

   libdevice.10.bc

   文件复制到当前工作目录中。如果您如上所述使用 conda，您应该在此目录中找到该文件：

   /{path_to_your_conda_environment}/nvvm/libdevice/libdevice.10.bc

显然这是一个糟糕的解决方案，但是，嘿，5 小时后我不再关心了。 希望这有帮助

Answer 5

我在 Docker 安装中使用

tensorflow 2.14.0

时遇到了同样的错误。升级对我来说很有效：

pip install --no-cache-dir tensorflow==2.15.0 keras==2.15.0

希望这有帮助！