干货：TensorFlow1.2~2.1各个GPU版本CUDA和cuDNN对应版本整理

最新推荐文章于 2024-10-10 23:23:41 发布
最新推荐文章于 2024-10-10 23:23:41 发布
阅读量3.9w 收藏 187
点赞数 38

最近发现很多QQ群和微信群里经常会有人问这么一个问题——“我安装TensorFlow GPU版本怎么总是提示CUDA版本不对或者cuDNN版本不对呢？”为了解决大家这个问题，我特意把TensorFlow1.2到最新版本所需要的CUDA和cuDNN对应的版本做了个整理，希望能够对大家有帮助。

       要搭建TensorFlow的GPU版本，首先需要的必备条件就是一块能够支持CUDA的NVIDIA显卡，因为在搭建TensorFlow的GPU版本时，首先需要做的一件事就是安装其基础支持平台CUDA和其机器学习库cuDNN，然后在此基础上搭建TensorFlow GPU版本。

      其次还要了解一下不同的TensorFlow版本所需要对应安装的CUDA和cuDNN版本是多少，因为在TensorFlow的GPU版本安装过程中，如果对应的CUDA版本和cuDNN版本不正确的话，是无法正常使用GPU来进行模型训练的。下表整理出了TensorFlow从1.2到最新版本的CUDA和cuDNN所对应的版本集合。

TensorFlow版本

CUDA版本

cuDNN版本

1.2

CUDA Toolkit 8.0

cuDNN v5.1

1.3

CUDA Toolkit 8.0

cuDNN v6 or v6.1

1.4

CUDA Toolkit 8.0

cuDNN v6.1

1.5

CUDA Toolkit 9.0

cuDNN v7.0

1.6

CUDA Toolkit 9.0

cuDNN v7.0

1.7

CUDA Toolkit 9.0

cuDNN v7.0

1.8

CUDA Toolkit 9.0

cuDNN v7.0

1.9

CUDA Toolkit 9.0

cuDNN v7.0

1.10

CUDA Toolkit 9.0

cuDNN v7.1

1.11

CUDA Toolkit 9.0

cuDNN v7.1

1.12

CUDA Toolkit 9.0

cuDNN v7.3

1.13

CUDA Toolkit 10.0

cuDNN v7.3

1.14

CUDA Toolkit 10.0

cuDNN v7.4

1.15

CUDA Toolkit 10.0

cuDNN v7.5

2.0

CUDA Toolkit 10.0

cuDNN v7.6

2.1.0

CUDA Toolkit 10.1

cuDNN v7.6

END 

往期精彩回顾




适合初学者入门人工智能的路线及资料下载机器学习在线手册深度学习在线手册AI基础下载（pdf更新到25集）本站qq群1003271085，加入微信群请回复“加群”获取一折本站知识星球优惠券，请回复“知识星球”喜欢文章，点个在看
风度78
关注
Tensorflow版本与Python 版本、CUDA、cuDNN、编译器 构建工具的对应关系
子浩的博客
04-24 1万+
文章来源：官网地址https://tensorflow.google.cn/install/source_windows 经过测试的构建配置 GPU | 版本 | Python 版本 |编译器 | 构建工具| cuDNN |CUDA | Column 1 Column 2 centered 文本居中 right-aligned 文本居右 ...
教程：Windows10下如何安装使用多版本Tensorflow2.x/Pytorch/paddlepaddle的GPU版本[和CUDA的安装及问题详解]【亲测可行】【详细和持续更新】
酒心★
11-02 1994
一、本文初衷(一)、关于选择：(二)、**CUDA之间的关系：** 鄙人最初是学tf的，然后最近由于学术界很多新算法都是pytorch实现的，然后最近想去学学torch，后来发现paddlepaddle在国内的发展数一数二是在太强了然后也想接触一下paddlepaddle这个百度的深度学习框架，因为他有很多现成模型、开源模型。 但是，不幸的是鄙人原来使用的是CUDA10.0，无法安装CUDA10.0以上版本支持的DL框架版本。所以鄙人决定进行一番尝试，让PC兼容多个DL框架、以及多个DL框架的版本，是GPU
【技巧】linux windows mac 下TensorFlow不同版本与cuda版本之间的对应关系
鱼大
07-01 628
https://www.tensorflow.org/install/source#common_installation_problems 经过测试的构建配置 Linux CPU 版本 Python 版本 编译器 构建工具 tensorflow-2.1.0 2.7、3.5-3.7 GCC 7.3.1 Bazel 0.27.1 tensorflow-2.0.0 2.7、3.3-3.7 GCC 7.3.1 Bazel 0.26.1 te
tensorflow各个版本的CUDA以及Cudnn版本对应关系
热门推荐
MIss-Y的博客
04-08 48万+
概述，需要注意以下几个问题： （1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。 显卡驱动的安装： 当我们使用...
「PYTHON」配置支持cuda计算的torch环境
最新发布
Suryxin's blogs
10-10 1305
「PYTHON」配置支持cuda计算的torch环境
Tensorflow与CUDA、cudnn版本对应关系
08-10 1万+
不同版本的Tensorflow需对应不同的CUDA和cudnn版本，否者容易安装失败。可按下图所示，根据想要安装的Tensorflow版本，选择对应版本的CUDA和cudnn。
tensorflow与cuda版本对应关系
angrident的博客
12-03 8482
太坑了，虽然前期安装不会报错，但是如果版本不对应的话训练模型会报错。记录一下 对应表格 相应的网址为： https://www.tensorflow.org/install/source#common_installation_problems https://www.tensorflow.org/install/source_windows 版本 Python 版本 编译器 编译工具 cuDNN CUDA tensorflow_gpu-2.0.0-alpha0 2.7、3.3-3.6 GC
Tensorflow与Python、CUDA、cuDNN的版本对应表
发布工作学习过程中遇到的问题和解决方案
05-02 16万+
TensorFlow​经过测试的构建配置官网说明
TensorFlow1.2~2.1各个GPU版本CUDA和cuDNN对应版本整理
hajungong007的博客
03-05 1323
要搭建TensorFlow的GPU版本，首先需要的必备条件就是一块能够支持CUDA的NVIDIA显卡，因为在搭建TensorFlow的GPU版本时，首先需要做的一件事就是安装其基础支持平台CUDA和其机器学习库cuDNN，然后在此基础上搭建TensorFlow GPU版本。 其次还要了解一下不同的TensorFlow版本所需要对应安装的CUDA和cuDNN版本是多少，因为在TensorFlow的G...
TensorFlow1.2~2.1各个GPU版本CUDA和cuDNN对应版本合集
weixin_43644231的博客
03-04 6154
TensorFlow版本 CUDA版本 cuDNN版本 1.2 CUDA Toolkit 8.0 cuDNN v5.1 1.3 CUDA Toolkit 8.0 cuDNN v6 or v6.1 1.4 CUDA Toolkit 8.0 cuDNN v6.1 1.5 CUDA Toolkit 9.0 cuDNN v7.0 1.6 CUDA Toolkit 9.0 c...
pytorch最新版源码编译，支持CUDA、cuDNN，干货满满，亲测有效
人工智能
04-24 1670
pytorch的源码在github上，网址如下：https://github.com/pytorch/pytorchhttps://github.com/pytorch/pytorch安装cuda版本的需要CUDA Toolkit 12.4 Update 1 Downloads | NVIDIA Developerhttps://developer.nvidia.com/cuda-downloads 安装了上面两步后，会自动安装nvcc。12.04 - How do I set up ccache? - A
Windows10+cuda10.1+cudNN v7.5.0+theano(GPU)配置详细教程
qq_32198887的博客
06-14 1485
由于博主本人电脑的显卡驱动升级为最新版本，因此在安装CUDA时需要安装10以上的版本，查看组件配置NVCUDA.DLL要求安装CUDA10.1版本。但安装完成theano后，import theano会报出pygpu版本跟不上CUDA版本的错误，而pygpu是目前最高的0.7.6版本，网上多数教程基本都是10以下版本的安装教程，因此在尝试过许多次失败后终于能够成功使用GPU运行，此次教程希望对大家有所帮助。
从零开始实验室GPU服务器配置：Linux mint、显卡驱动、CUDA、cuDNN、Anaconda安装、多人用户及远程
神仙院B栋4楼保安的博客
08-05 1052
操作系统选取 操作系统根据师兄建议使用的是 Linux Mint，Mint有三个桌面：Cinnamon，MATE，Xfce，因为考虑到是实验室的服务器所以选取了最简洁、最稳定的Xfce。关于这三个桌面版本的比较可见官方Docs。官方下载地址。下载完成之后参见官方的文档进行ISO镜像校验。 ...
深度学习入门（一）安装TensorFlow的GPU版本
DreamerZhang的专栏
02-14 2783
安装软件：VS2015 CUDA9.0 Anaconda3 TensorFlow-GPU 1.10.0 一：注意问题 1、选择合适的Python版本，工具Anaconda3自带的Python版本是3.7.4，（网上说的好多包没有3.7的，还是选择3.6比较稳妥） 2、根据CUDA版本确定Cudnn的版本（我下载的库版本是cudnn-9.0-windows10-x64-v7.6...
tensorflow 安装GPU版本
m0_46143400的博客
03-27 309
首先电脑上已经安装了anaconda，通过创建虚拟环境存放tensorflow 1. 创建一个虚拟环境（由于将安装py3.5版本），所以命名为python35 打开cmd输入如下： conda create --name python35 python=3.5 #指定python版本 按提示输入y，完成创建 2.激活/退出：创建的python3.5 环境 conda activate python35 #激活 conda deactivate #退出 pip install --upgra
Win10 安装tensorflow1.12.0 GPU版本
wxtcstt的专栏
06-02 4851
我的工具版本分别是： CUDA9.0 cudnn7.4.1.5 tensorflow 1.12.0 vs2015（update3） python 3.6，严格按照此版本配置可以确保安装成功 其它版本的CUDA和cudnn 测试未能成功，尤其是cudnn的版本难以把握用哪个。 如下面这个配置可以肯定是不成功的 tensorflow 1.12.0 cuda toolkit 10.0.13...
[tensorflow]tensorflow与cuda对应关系表
FL1768317420的博客
12-06 1万+
资料来自官方：hl=en。
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
TensorFlow各个GPU版本CUDA和cuDNN对应版本
风信子的猫Redamancy的快乐星球
12-17 4958
TensorFlow各个GPU版本CUDA和cuDNN对应版本
Tensorflow-gpu/CUDA/cuDNN对应版本
qq_37653019的博客
11-22 3634
这里写自定义目录标题Tensorflow-gpu，cuda，cudnn对应版本WindowsLinux可安装版本查询Cuda版本查询Cudnn版本查询生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 Tensorflow-gpu，cuda，cudnn对应版本 安装Tensorflow-gpu版本需要匹配安装对应版本的cuda跟c
评论 14
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值