训练CUDNN_STATUS_NOT_INITIALIZED时的StyleGan错误

Question

我从https://github.com/NVlabs/stylegan下载了样式代码，并希望用我的数据集来训练它。我正在开发一台ubuntu机器(Ubuntu18.04.3LTS)和

 python train.py

给出一个错误，说：

 2020-01-26 23:30:27.115726: E tensorflow/stream_executor/cuda/cuda_dnn.cc:329] Could not create cudnn handle: CUDNN_STATUS_NOT_INITIALIZED
 2020-01-26 23:30:27.115811: E tensorflow/stream_executor/cuda/cuda_dnn.cc:337] Possibly insufficient driver version: 430.50.0

这是我的cuda，cudnn和pip列表的输出：

$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

$nvidia-smi
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 430.50       Driver Version: 430.50       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce RTX 2060    Off  | 00000000:01:00.0  On |                  N/A |
| 42%   37C    P8    14W / 170W |    529MiB /  5931MiB |      2%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1100      G   /usr/lib/xorg/Xorg                           245MiB |
|    0      1578      G   /usr/bin/gnome-shell                         149MiB |
|    0      2179      G   ...quest-channel-token=1359353350696709871   132MiB |
+-----------------------------------------------------------------------------+

$dpkg -l | grep -i cudnn
ii  libcudnn7 7.6.5.32-1+cuda10.2       amd64        cuDNN runtime libraries
ii  libcudnn7-dev 7.6.5.32-1+cuda10.2   amd64        cuDNN development libraries and headers

$pip list

absl-py (0.9.0)
astor (0.8.1)
bleach (1.5.0)
certifi (2019.11.28)
chardet (3.0.4)
gast (0.3.3)
google-pasta (0.1.8)
grpcio (1.26.0)
h5py (2.10.0)
html5lib (0.9999999)
idna (2.8)
Keras-Applications (1.0.8)
Keras-Preprocessing (1.1.0)
Markdown (3.1.1)
mock (3.0.5)
numpy (1.18.1)
opencv-python (4.1.0.25)
Pillow (6.1.0)
pip (9.0.1)
pkg-resources (0.0.0)
protobuf (3.11.2)
requests (2.22.0)
scipy (1.2.0)
setuptools (45.1.0)
six (1.14.0)
tensorboard (1.14.0)
tensorflow-estimator (1.14.0)
tensorflow-gpu (1.14.0)
termcolor (1.1.0)
tqdm (4.32.2)
urllib3 (1.25.7)
Werkzeug (0.16.0)
wheel (0.33.6)
wrapt (1.11.2)
absl-py (0.9.0)
astor (0.8.1)
bleach (1.5.0)
certifi (2019.11.28)
chardet (3.0.4)
gast (0.3.3)
google-pasta (0.1.8)
grpcio (1.26.0)
h5py (2.10.0)
html5lib (0.9999999)
idna (2.8)
Keras-Applications (1.0.8)
Keras-Preprocessing (1.1.0)
Markdown (3.1.1)
mock (3.0.5)
numpy (1.18.1)
opencv-python (4.1.0.25)
Pillow (6.1.0)
pip (9.0.1)
pkg-resources (0.0.0)
protobuf (3.11.2)
requests (2.22.0)
scipy (1.2.0)
setuptools (45.1.0)
six (1.14.0)
tensorboard (1.14.0)
tensorflow-estimator (1.14.0)
tensorflow-gpu (1.14.0)
termcolor (1.1.0)
tqdm (4.32.2)
urllib3 (1.25.7)
Werkzeug (0.16.0)
wheel (0.33.6)
wrapt (1.11.2)

有谁知道这些工具的一个特定版本，我可以用它来运行样式吗？

Answer 1

在这里提供解决方案(答案部分)，即使它存在于评论部分，以造福社区。

首先需要删除所有cuDNN文件

rm -f /usr/include/cudnn.h 
rm -f /usr/lib/x86_64-linux-gnu/*libcudnn* 
rm -f /usr/local/cuda-/lib64/*libcudnn 

现在从cuDNN中提取新的这里

为了下载cuDNN，请确保注册了NVIDIA开发者计划。

1. 转到：NVIDIA cuDNN主页。
2. 点击下载。
3. 完成简短的调查，然后点击提交。
4. 接受条款和条件。显示cuDNN的可用下载版本列表。
5. 选择要安装的cuDNN版本。显示可用资源列表。

请检查Tensorflow GPU 这里的经过测试的构建配置

​

​

将下列文件复制到CUDA工具包目录中，并更改文件权限

sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

有关详细信息，请参阅cuDNN安装指南这里

备注：在更新cuDNN之后，如果TensorFlow抱怨，则相应地更新Tensorflow