错误：“已加载运行时 CuDNN 库：5005 但源是用 5103 编译的”是什么意思？

我尝试将 TensorFlow 与 GPU 结合使用，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（尽管已经被问过已加载运行时 CuDNN 库：5005（兼容版本 5000），但源代码是使用 5103（兼容版本 5100）编译的 https://stackoverflow.com/questions/39859260/loaded-runtime-cudnn-library-5005-compatibility-version-5000-but-source-was-c）但我想了解这个错误。我总是尝试在发布（寻求帮助）之前尝试自己解决（编码）问题，但我什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，而且我似乎找不到理解错误含义的好资源。

为了理解该错误，我将重点放在似乎是错误开始的行上：

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，我意识到阅读如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方便调试），因为它似乎加载了 CuDNN 库 5005 （在级别UNIX/OS），但 TensorFlow（用于 python）是用我猜的版本 5103 编译的。显然，如果 TensorFlow 库使用根据 5103 的 API，但使用“真正的”API 来与（cuda）深度学习对话CuDNN 库的版本是 5005，很明显这会是一个问题。尽管它们只是对正在发生的事情的猜测。

我的第一个困惑是，据我所知，不存在 CuDNN 5005 或 5103 这样的东西。如果能确切地理解这部分错误的含义，那就太棒了，这样我就可以开始尝试真正调试它。据我所知，当我使用时module list我在用：

cudnn/5.0

我的第二个困惑是我忽略的括号及其含义：

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

老实说，我不知道“兼容版本 XXXX”是什么意思。也许它建议为 CuDNN 安装版本 5000（无论这意味着什么）（这仍然令人困惑，因为没有 5000 版本的 CuDNN）并编译使用 CuDNN 版本 5100 的 TensorFlow 版本（以某种方式）。

有人更准确地知道这些错误的确切含义（并为我链接的问题提供解决方案吗？）

这是对正在发生的事情的大概描述。

cuDNN 具有编号的主要版本，例如4.0、5.0、5.1 等

这些主要版本可能会包含 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与 cuDNN v5（即 5.0）中的新功能配合使用或使用新功能。

主要版本编码在 4 位版本号的前两位数字中。因此 cuDNN 4 位版本号 5103 表示它属于 5.1 主要版本，子版本号为 03。兼容性出于目的，这样的版本应该与 51xx 的任何其他 cuDNN 库版本 API 兼容，因为它们都属于 5.1 主要版本（据我所知，这不能保证严格正确，但这是一般想法）。因此，任何版本号为 51xx 的库都会有兼容版本5100，表明它们属于（并且（应该）兼容）5.1 主要版本。

因此，当我们引用兼容性版本（该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。但一个发行版可能有一个非零的子发行版版本号。造成这种情况的原因可能有多种，例如允许错误修复版本等。

当程序（如张量流）被设计为使用 cuDNN 时，通常会对其进行编码以与特定版本的 cuDNN 配合使用。在某些情况下，这可以在编译时通过“编译”特定的 cuDNN 版本（及其关联的 API，即构建张量流时使用的头文件）来处理。因此，在编译时，像tensorflow这样的程序可以确定它是针对哪个版本的cuDNN API进行编译的，即4位版本（尽管一般来说，只有兼容性版本，即4位的前两位）版本应该真的很重要）。

在运行时，您的计算机上某处加载了特定版本的 cuDNN 库（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编译所针对的cuDNN库的版本不匹配（至少从兼容性版本的角度来看），那么这很好地表明事情可能无法正常工作，因此tensorflow在运行时会指出这一点:

已加载运行时 CuDNN 库：5005，但源代码是用 5103 编译的。

这是张量流告诉你“嘿，我被设计（编译）为与 cuDNN v5.1 一起使用，但你只给我 cuDNN 5.0 来使用”。

子版本级别的差异应该不太显着。如果您知道自己在做什么，则即使您的张量流是针对版本 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，而并非如此旨在更改适当的功能或行为，或 API 接口。例如，它可能只是 5103 的错误修复版本（假设性的。这是一个虚构的例子。）

在理想情况下，您将针对您正在使用的 cuDNN 版本构建张量流。但是，如果您已经下载了预构建的张量流包，那么您可能会看到此类消息（因为您大概是单独下载了 cuDNN）。在这种情况下，您至少应该寻求将您正在使用的 cuDNN 主要版本与 tensorflow 期望的兼容性版本相匹配。在这个特定的示例中，您没有这样做。