Je développais avec un environnement d'apprentissage en profondeur sur Ubuntu 16.04, et quand j'ai appliqué "Update Software", l'élément mis à jour était "nvidia 367", ce qui m'a rendu suspect. Lorsque j'ai redémarré, cudnn n'a pas été trouvé et une erreur de segmentation s'est produite comme indiqué ci-dessous. ..
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:102] Couldn't open CUDA library libcudnn.so. LD_LIBRARY_PATH:
I tensorflow/stream_executor/cuda/cuda_dnn.cc:2259] Unable to load cuDNN DSO
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcurand.so locally
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:925] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
I tensorflow/core/common_runtime/gpu/gpu_init.cc:102] Found device 0 with properties:
name: GeForce GTX 1080
major: 6 minor: 1 memoryClockRate (GHz) 1.7335
pciBusID 0000:02:00.0
Total memory: 7.92GiB
Free memory: 7.81GiB
W tensorflow/stream_executor/cuda/cuda_driver.cc:572] creating context when one is currently active; existing: 0x34500e0
Segmentation fault (Vidage de base)
À la suite d'essayer diverses choses
CUDA_VISIBLE_DEVICES=1
Il semble que je devais le spécifier comme ça ... Jusqu'à présent, ça fonctionnait sans le préciser ... Cela fonctionnait en spécifiant le GPU à utiliser dans .bashrc. Dans mon environnement, j'avais inséré deux GT 610 et GTX 1080, donc je pense que c'était nécessaire.