Python “Loaded runtime CuDNN library:5005，但源代码是用5103编译的”错误是什么意思？

我试图将TensorFlow与GPU一起使用，但出现以下错误：

I tensorflow/core/common_runtime/gpu/gpu_device.cc:838] Creating TensorFlow device (/gpu:0) -> (device: 0, name: Tesla K20m, pci bus id: 0000:02:00.0)
E tensorflow/stream_executor/cuda/cuda_dnn.cc:347] Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with 5103 (compatibility version 5100).  If using a binary install, upgrade your CuDNN library to match.  If building from sources, make sure the library loaded at runtime matches a compatible version specified during compile configuration.
F tensorflow/core/kernels/conv_ops.cc:457] Check failed: stream->parent()->GetConvolveAlgorithms(&algorithms)

当然，我正在尝试修复这个错误（虽然已经有人问过了），但我想了解这个错误。在发布（请求帮助）之前，我总是试图自己解决（编码）问题，但我甚至很难开始这个问题，因为错误消息对我来说似乎有点神秘/不清楚，我似乎找不到好的资源来理解错误的含义

为了理解错误，我将重点放在错误开始的那一行：

Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with 5103 (compatibility version 5100).

在阅读了一些似乎相关的github页面后，我意识到，阅读以下错误实际上更有帮助：

已加载运行时CuDNN库：5005，但源代码是用5103编译的

删除括号使错误更有意义（尽管我想了解/知道括号在错误消息中的作用，以便于调试），因为它似乎加载了CuDNN库5005（在UNIX/OS级别），但TensorFlow（用于python）是用我猜想的5103版编译的。显然，如果深度学习lib库使用的是API，但5103的API是“真正的”API，它与CUDA（深度学习库）CUDNN对话5005版本，显然这是个问题。虽然他们只是猜测发生了什么

我的第一个困惑是，据我所知，没有CuDNN 5005或5103这样的东西。如果能够确切地理解错误的这一部分意味着什么，那么我就可以开始真正地调试它了。据我所知，当我使用

模块列表时

我正在使用：

cudnn/5.0

我的第二个困惑是我忽略的括号及其含义：

加载的运行时CuDNN库：5005（兼容版本5000）

但是源代码是用5103（兼容版本5100）编译的。

我真的不知道“兼容性版本XXXX”是什么意思。也许它建议为CuDNN安装版本5000（不管这意味着什么），并编译一个使用CuDNN版本5100的TensorFlow版本（不知为什么）

---

是否有人更准确地知道错误的确切含义（并为我链接的问题提供他们的解决方案？

这是对正在发生的事情的近似描述

cuDNN有编号的主要版本，例如4.0、5.0、5.1等

这些主要版本可能包含API更改。因此，使用cuDNN v4（即4.0）的程序可能需要进行一些修改才能使用cuDNN v5（即5.0）中的新功能

主要版本在4位版本号的前两位编码。因此，cuDNN 4位版本号5103意味着它属于5.1主要版本，子版本号为03。出于兼容性目的，此类版本应与51xx的任何其他cuDNN库版本的API兼容，因为它们都属于5.1主要版本（AFAIK不保证严格如此，但这是一般的想法）。因此，任何版本号为51xx的库都将具有5100的兼容版本，以表明它们属于（并且（应该）兼容）5.1主要版本

因此，当我们提到一个兼容版本（这个库与哪个主要版本兼容）时，我们只需要指定前两位数字——5000表示5.0，5100表示5.1。但是对于一个发布来说，子发布版本号可能是非零的。这可能有多种原因，例如允许发布bug修复等

当一个程序（如tensorflow）被设计为使用cuDNN时，它通常会被编码为使用特定版本的cuDNN。在某些情况下，这可以在编译时通过“针对”特定cuDNN版本（及其相关API，即构建tensorflow时使用的头文件）进行“编译”来处理。因此，在编译时，像tensorflow这样的程序可以确定编译它所针对的cuDNN API的版本，这是一个4位版本（尽管一般来说，只有兼容性版本，即4位版本的前两位数字才真正重要）

在运行时，您的计算机上某处加载了cuDNN库的特定版本（例如linux上的so）。可以确定、查询和报告该库的版本。如果实际的库版本与tensorflow编译时所依据的cuDNN库版本不匹配（至少从兼容版本的角度来看），那么这就很好地表明事情可能不起作用，因此tensorflow在运行时指出：

已加载运行时CuDNN库：5005，但源代码是用5103编译的

这是tensorflow，它告诉您“嘿，我被设计（编译）为使用cuDNN v5.1，但您只给我使用cuDNN 5.0”

子版本级别的差异应不太显著。如果您知道自己在做什么，那么即使您的tensorflow是根据版本5103编译的，也可以使用cuDNN运行时版本5107。这只是一个假设的示例，但这表明库中存在一些差异，这些差异不是为了更改适当的功能或行为，也不是为了更改API接口。例如，它可能只是5103的一个bug修复版本（假设。这是一个虚构的例子）

在理想的情况下，您可以针对正在使用的cuDNN版本构建tensorflow。但是，如果您下载了预构建的tensorflow软件包，那么您可能会看到这种消息（因为您可能是单独下载cuDNN的）。在这种情况下，您至少应该设法匹配您再次使用的cuDNN主要版本