顔認識プロジェクトを実行していたとき、ラップトップでcuda9.0とcudnnを構成した後も、実行できませんでした。このコードがWindowsシステムで実行できなかったため、Googleドライブでクローンを作成しようとしました。コンピューターのバージョンに対応するcuda9.0もダウンロードすることを考えて、GitHubでソースコードを試しましたが、エラーが報告され続け、libcudart.so.9.0：共有オブジェクトファイルを開くことができないことがわかりました。最後に、Googleドライブにはcuda10.1が付属していることがわかりました。表示されるコードは次のとおりです。
!cat /usr/local/cuda/version.txt
# 输出：CUDA Version 10.1.243それから私はまだコンピュータと一致するべきだと思ったので、cudaをバージョン9.0にダウングレードしました。コードは次のとおりです。
!wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64-deb
!dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64-deb
!apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub
!apt-get update
!apt-get install cuda=9.0.176-1次に、GitHubのインストール要件に従ってtensorflow == 1.14.0のgpuバージョンをインストールしました（colabにインストールするときにノートブック設定をgpuモードに変更する必要があります。そうしないと、組み込み属性であるかのようにエラーが報告されます）。エラー：
MXNetError：[01:23:15] src / operator / nn /./ cudnn / cudnn_convolution-inl.h：155：チェックに失敗しました：e == CUDNN_STATUS_SUCCESS（8対0）：cuDNN：CUDNN_STATUS_EXECUTION_FAILED
次に、クエリを実行したところ、tensorflowの公式Webサイトに記載されているように、 gpuバージョンのtensorflowにはサポートが必要であることがわかりました。
TensorFlow GPUのサポートには、さまざまなドライバーとライブラリが必要です。インストールを簡素化し、ライブラリの競合を回避するために、GPU対応のTensorFlow Dockerイメージを使用することをお勧めします（Linuxのみ）。この設定には、NVIDIA®GPUドライバーのみが必要 です。
次に、リンクをクリックすると、次の画像が表示されます。
したがって、今すぐ変更して、cudaをバージョン10.0にダウングレードする必要があります。これは、1.14.0バージョンのtensorflowがcuda10.0と一致するのが最適であると誰かが言ったようです。そうしないと、エラーのリスクがあります。
よし！案の定、バージョンは対応しているはずです。この大物のコードのため、cudaを10.0にダウングレードしました。https：//www.stacknoob.com/s/nTWgcgsnykxDbgTq7XfsV2に移動してください。次に、mxnetをダウンロードするときに、cuda = 10.0のバージョンに更新することを忘れないでください。
!pip install mxnet-cu100
import mxnet as mx 通常、インストール後にインポートを試行し、エラーを報告した場合は変更を続けることができます。そうしないと、最終的なコードがスタックします。
2つの面の画質である最終的な出力結果を示します。
とても興奮しています！ハハハッハッハ。