CentOS7编译TensorFlow 1.12.2 C++库：CUDA 9.1与CUDNN 7.1.3

"在CentOS 7环境下编译TensorFlow 1.12.2的C++库，需要配合CUDA 9.1和cuDNN 7.1.3。本教程将指导如何在系统中处理多版本CUDA的共存问题，并进行必要的升级操作。" 在CentOS 7上构建TensorFlow 1.12.2的C++库是一项涉及多个软件组件的任务，特别是对于支持GPU计算的CUDA和cuDNN。首先，我们需要了解TensorFlow与CUDA和cuDNN之间的版本兼容性。根据描述中的信息，TensorFlow 1.12.0支持CUDA 9，而TensorFlow 1.4.0则需要CUDA 8。考虑到显卡驱动版本为396.24，这意味着可以使用CUDA 9系列，因此选择CUDA 9.1。 在开始编译之前，需要确保系统已经满足以下基本条件： 1. 安装了GCC 4.8.5或更高版本，因为这是TensorFlow编译所需的最低版本。 2. 确认当前系统中的CUDA版本为8.0.61，cuDNN版本为6.0.21。但为了构建TensorFlow 1.12.2，我们需要升级到CUDA 9.1和cuDNN 7.1.3。 安装CUDA 9.1： 从NVIDIA官方网站下载适用于CentOS 7的CUDA 9.1安装包，例如cuda_9.1.85_387.26_linux.run。执行安装脚本时，由于系统已有CUDA 8存在，我们不希望替换现有的CUDA版本，因此通常需要以非根用户身份运行，并添加`--no-opengl-libs`选项来避免覆盖OpenGL库。安装命令可能如下： ```bash sudo sh cuda_9.1.85_387.26_linux.run --no-opengl-libs --override ``` 安装cuDNN 7.1.3： 同样，从NVIDIA官方网站下载cuDNN对应的版本，解压缩后将包含的库文件复制到CUDA安装目录。例如： ```bash sudo cp -P /path/to/downloaded/cudnn/lib64/* /usr/local/cuda-9.1/lib64/ sudo cp -P /path/to/downloaded/cudnn/include/* /usr/local/cuda-9.1/include/ ``` 配置环境变量： 更新`.bashrc`或`.bash_profile`文件，添加CUDA 9.1和cuDNN的路径： ```bash echo "export PATH=/usr/local/cuda-9.1/bin:$PATH" >> ~/.bashrc echo "export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64:$LD_LIBRARY_PATH" >> ~/.bashrc source ~/.bashrc ``` 编译TensorFlow C++库： 现在系统已准备好编译TensorFlow 1.12.2。首先，从TensorFlow官方仓库克隆源代码，然后按照其文档指示配置和构建： ```bash git clone https://github.com/tensorflow/tensorflow.git cd tensorflow git checkout r1.12 ./configure bazel build -c opt //tensorflow:libtensorflow_cc.so ``` `./configure`步骤中，你需要确保选择正确的CUDA和cuDNN路径，以及相应的GPU支持。 完成上述步骤后，你应该能够在`bazel-bin/tensorflow`目录下找到编译好的`libtensorflow_cc.so`库文件，可以用于你的C++项目。 总结来说，这个过程涉及到在CentOS 7上管理多版本CUDA，升级到兼容TensorFlow 1.12.2的CUDA 9.1和cuDNN 7.1.3，以及编译TensorFlow的C++库。确保每个步骤都正确执行，以避免潜在的版本冲突和依赖问题。