Tensorflow与Python、CUDA、cuDNN的版本对应表

已于 2024-03-17 20:35:46 修改
阅读量10w+ 收藏 619
点赞数 151
分类专栏： tensorflow 文章标签： tensorflow 深度学习 CUDA 安装
于 2022-05-02 16:16:56 首次发布
原文链接：https://tensorflow.google.cn/install/source#tested_build_configurations
版权

1. 官方配置

官网只有英文版的才更新到了TensorFlow 2.15.0，中文版只更新到了2.6.0，所以要想看到下面的内容需要进入官网之后右上角将语言选择为English。

经过测试的构建配置

Linux

CPU
VersionPython versionCompilerBuild tools
tensorflow-2.16.13.9-3.12Clang 17.0.6Bazel 6.5.0
tensorflow-2.15.03.9-3.11Clang 16.0.0Bazel 6.1.0
tensorflow-2.14.03.9-3.11Clang 16.0.0Bazel 6.1.0
tensorflow-2.13.03.8-3.11Clang 16.0.0Bazel 5.3.0
tensorflow-2.12.03.8-3.11GCC 9.3.1Bazel 5.3.0
tensorflow-2.11.03.7-3.10GCC 9.3.1Bazel 5.3.0
tensorflow-2.10.03.7-3.10GCC 9.3.1Bazel 5.1.1
tensorflow-2.9.03.7-3.10GCC 9.3.1Bazel 5.0.0
tensorflow-2.8.03.7-3.10GCC 7.3.1Bazel 4.2.1
tensorflow-2.7.03.7-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.6.03.6-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.5.03.6-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.4.03.6-3.8GCC 7.3.1Bazel 3.1.0
tensorflow-2.3.03.5-3.8GCC 7.3.1Bazel 3.1.0
tensorflow-2.2.03.5-3.8GCC 7.3.1Bazel 2.0.0
tensorflow-2.1.02.7, 3.5-3.7GCC 7.3.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.1
tensorflow-1.15.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.1
tensorflow-1.14.02.7, 3.3-3.7GCC 4.8Bazel 0.24.1
tensorflow-1.13.12.7, 3.3-3.7GCC 4.8Bazel 0.19.2
tensorflow-1.12.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.11.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.10.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.9.02.7, 3.3-3.6GCC 4.8Bazel 0.11.0
tensorflow-1.8.02.7, 3.3-3.6GCC 4.8Bazel 0.10.0
tensorflow-1.7.02.7, 3.3-3.6GCC 4.8Bazel 0.10.0
tensorflow-1.6.02.7, 3.3-3.6GCC 4.8Bazel 0.9.0
tensorflow-1.5.02.7, 3.3-3.6GCC 4.8Bazel 0.8.0
tensorflow-1.4.02.7, 3.3-3.6GCC 4.8Bazel 0.5.4
tensorflow-1.3.02.7, 3.3-3.6GCC 4.8Bazel 0.4.5
tensorflow-1.2.02.7, 3.3-3.6GCC 4.8Bazel 0.4.5
tensorflow-1.1.02.7, 3.3-3.6GCC 4.8Bazel 0.4.2
tensorflow-1.0.02.7, 3.3-3.6GCC 4.8Bazel 0.4.2
GPU
VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow-2.16.13.9-3.12Clang 17.0.6Bazel 6.5.08.912.3
tensorflow-2.15.03.9-3.11Clang 16.0.0Bazel 6.1.08.912.2
tensorflow-2.14.03.9-3.11Clang 16.0.0Bazel 6.1.08.711.8
tensorflow-2.13.03.8-3.11Clang 16.0.0Bazel 5.3.08.611.8
tensorflow-2.12.03.8-3.11GCC 9.3.1Bazel 5.3.08.611.8
tensorflow-2.11.03.7-3.10GCC 9.3.1Bazel 5.3.08.111.2
tensorflow-2.10.03.7-3.10GCC 9.3.1Bazel 5.1.18.111.2
tensorflow-2.9.03.7-3.10GCC 9.3.1Bazel 5.0.08.111.2
tensorflow-2.8.03.7-3.10GCC 7.3.1Bazel 4.2.18.111.2
tensorflow-2.7.03.7-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.6.03.6-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.5.03.6-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.4.03.6-3.8GCC 7.3.1Bazel 3.1.08.011.0
tensorflow-2.3.03.5-3.8GCC 7.3.1Bazel 3.1.07.610.1
tensorflow-2.2.03.5-3.8GCC 7.3.1Bazel 2.0.07.610.1
tensorflow-2.1.02.7, 3.5-3.7GCC 7.3.1Bazel 0.27.17.610.1
tensorflow-2.0.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.17.410.0
tensorflow_gpu-1.15.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.17.410.0
tensorflow_gpu-1.14.02.7, 3.3-3.7GCC 4.8Bazel 0.24.17.410.0
tensorflow_gpu-1.13.12.7, 3.3-3.7GCC 4.8Bazel 0.19.27.410.0
tensorflow_gpu-1.12.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.11.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.10.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.9.02.7, 3.3-3.6GCC 4.8Bazel 0.11.079
tensorflow_gpu-1.8.02.7, 3.3-3.6GCC 4.8Bazel 0.10.079
tensorflow_gpu-1.7.02.7, 3.3-3.6GCC 4.8Bazel 0.9.079
tensorflow_gpu-1.6.02.7, 3.3-3.6GCC 4.8Bazel 0.9.079
tensorflow_gpu-1.5.02.7, 3.3-3.6GCC 4.8Bazel 0.8.079
tensorflow_gpu-1.4.02.7, 3.3-3.6GCC 4.8Bazel 0.5.468
tensorflow_gpu-1.3.02.7, 3.3-3.6GCC 4.8Bazel 0.4.568
tensorflow_gpu-1.2.02.7, 3.3-3.6GCC 4.8Bazel 0.4.55.18
tensorflow_gpu-1.1.02.7, 3.3-3.6GCC 4.8Bazel 0.4.25.18
tensorflow_gpu-1.0.02.7, 3.3-3.6GCC 4.8Bazel 0.4.25.18

macOS

CPU
VersionPython versionCompilerBuild tools
tensorflow-2.16.13.9-3.12Clang from xcode 13.6Bazel 6.5.0
tensorflow-2.15.03.9-3.11Clang from xcode 10.15Bazel 6.1.0
tensorflow-2.14.03.9-3.11Clang from xcode 10.15Bazel 6.1.0
tensorflow-2.13.03.8-3.11Clang from xcode 10.15Bazel 5.3.0
tensorflow-2.12.03.8-3.11Clang from xcode 10.15Bazel 5.3.0
tensorflow-2.11.03.7-3.10Clang from xcode 10.14Bazel 5.3.0
tensorflow-2.10.03.7-3.10Clang from xcode 10.14Bazel 5.1.1
tensorflow-2.9.03.7-3.10Clang from xcode 10.14Bazel 5.0.0
tensorflow-2.8.03.7-3.10Clang from xcode 10.14Bazel 4.2.1
tensorflow-2.7.03.7-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.6.03.6-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.5.03.6-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.4.03.6-3.8Clang from xcode 10.3Bazel 3.1.0
tensorflow-2.3.03.5-3.8Clang from xcode 10.1Bazel 3.1.0
tensorflow-2.2.03.5-3.8Clang from xcode 10.1Bazel 2.0.0
tensorflow-2.1.02.7, 3.5-3.7Clang from xcode 10.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.5-3.7Clang from xcode 10.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.3-3.7Clang from xcode 10.1Bazel 0.26.1
tensorflow-1.15.02.7, 3.3-3.7Clang from xcode 10.1Bazel 0.26.1
tensorflow-1.14.02.7, 3.3-3.7Clang from xcodeBazel 0.24.1
tensorflow-1.13.12.7, 3.3-3.7Clang from xcodeBazel 0.19.2
tensorflow-1.12.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.11.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.10.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.9.02.7, 3.3-3.6Clang from xcodeBazel 0.11.0
tensorflow-1.8.02.7, 3.3-3.6Clang from xcodeBazel 0.10.1
tensorflow-1.7.02.7, 3.3-3.6Clang from xcodeBazel 0.10.1
tensorflow-1.6.02.7, 3.3-3.6Clang from xcodeBazel 0.8.1
tensorflow-1.5.02.7, 3.3-3.6Clang from xcodeBazel 0.8.1
tensorflow-1.4.02.7, 3.3-3.6Clang from xcodeBazel 0.5.4
tensorflow-1.3.02.7, 3.3-3.6Clang from xcodeBazel 0.4.5
tensorflow-1.2.02.7, 3.3-3.6Clang from xcodeBazel 0.4.5
tensorflow-1.1.02.7, 3.3-3.6Clang from xcodeBazel 0.4.2
tensorflow-1.0.02.7, 3.3-3.6Clang from xcodeBazel 0.4.2
GPU
VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-1.1.02.7, 3.3-3.6Clang from xcodeBazel 0.4.25.18
tensorflow_gpu-1.0.02.7, 3.3-3.6Clang from xcodeBazel 0.4.25.18

★注意：从 TF 2.11 开始，Windows平台不再支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow，或者使用 tensorflow-cpu 配合 TensorFlow-DirectML-Plugin。

经过测试的构建配置

Windows

CPU
VersionPython versionCompilerBuild tools
tensorflow-2.16.13.9-3.12MSVC 2019Bazel 6.5.0
tensorflow-2.15.03.9-3.11MSVC 2019Bazel 6.1.0
tensorflow-2.14.03.9-3.11MSVC 2019Bazel 6.1.0
tensorflow-2.12.03.8-3.11MSVC 2019Bazel 5.3.0
tensorflow-2.11.03.7-3.10MSVC 2019Bazel 5.3.0
tensorflow-2.10.03.7-3.10MSVC 2019Bazel 5.1.1
tensorflow-2.9.03.7-3.10MSVC 2019Bazel 5.0.0
tensorflow-2.8.03.7-3.10MSVC 2019Bazel 4.2.1
tensorflow-2.7.03.7-3.9MSVC 2019Bazel 3.7.2
tensorflow-2.6.03.6-3.9MSVC 2019Bazel 3.7.2
tensorflow-2.5.03.6-3.9MSVC 2019Bazel 3.7.2
tensorflow-2.4.03.6-3.8MSVC 2019Bazel 3.1.0
tensorflow-2.3.03.5-3.8MSVC 2019Bazel 3.1.0
tensorflow-2.2.03.5-3.8MSVC 2019Bazel 2.0.0
tensorflow-2.1.03.5-3.7MSVC 2019Bazel 0.27.1-0.29.1
tensorflow-2.0.03.5-3.7MSVC 2017Bazel 0.26.1
tensorflow-1.15.03.5-3.7MSVC 2017Bazel 0.26.1
tensorflow-1.14.03.5-3.7MSVC 2017Bazel 0.24.1-0.25.2
tensorflow-1.13.03.5-3.7MSVC 2015 update 3Bazel 0.19.0-0.21.0
tensorflow-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.0
tensorflow-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.0
tensorflow-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.1.03.5MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.0.03.5MSVC 2015 update 3Cmake v3.6.3
GPU

★注意：原生 Windows 上的 GPU 支持仅适用于 2.10 或更早版本，从 TF 2.11 开始，Windows 不支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow，或者使用 tensorflow-cpu 配合 TensorFlow-DirectML-Plugin。

VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-2.10.03.7-3.10MSVC 2019Bazel 5.1.18.111.2
tensorflow_gpu-2.9.03.7-3.10MSVC 2019Bazel 5.0.08.111.2
tensorflow_gpu-2.8.03.7-3.10MSVC 2019Bazel 4.2.18.111.2
tensorflow_gpu-2.7.03.7-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.6.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.5.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.4.03.6-3.8MSVC 2019Bazel 3.1.08.011.0
tensorflow_gpu-2.3.03.5-3.8MSVC 2019Bazel 3.1.07.610.1
tensorflow_gpu-2.2.03.5-3.8MSVC 2019Bazel 2.0.07.610.1
tensorflow_gpu-2.1.03.5-3.7MSVC 2019Bazel 0.27.1-0.29.17.610.1
tensorflow_gpu-2.0.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.15.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.14.03.5-3.7MSVC 2017Bazel 0.24.1-0.25.27.410
tensorflow_gpu-1.13.03.5-3.7MSVC 2015 update 3Bazel 0.19.0-0.21.07.410
tensorflow_gpu-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.07.29.0
tensorflow_gpu-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.1.03.5MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.0.03.5MSVC 2015 update 3Cmake v3.6.35.18

2. 第三方验证配置

 2.1 官方TensorFlow

贴几个官网没有的配置表

VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow-2.93.88.2.111.3.1
tensorflow-gpu-2.0.03.77.6.5（亲测）10.0.130
tensorflow-gpu==2.0.0-alpha07.5.110.0
tensorflow_gpu-1.15.03.7.117.6.010.0.130
tensorflow_gpu-1.15.03.7.127.6.5.3210.0.130

上面的小版本号个人认为可以忽略不计，可以理解为下表的示例内容，需要注意的是TF1.x已经停止更新故对新硬件（主要是RTX30系列之后的显卡）不支持，故需要使用Nvidia-TensorFlow代替官方版本。

VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-1.15.03.77.610.0

2.2 Nvidia-TensorFlow

Ly.Leo
关注
  • 151
    点赞
  • 踩
  • 619
    收藏
    觉得还不错? 一键收藏
  • 79
    评论
专栏目录
详解Tensorflow不同版本要求与CUDA及CUDNN版本对应关系
01-21
参考官网地址： Windows端：https://tensorflow.google.cn/install/source_windows CPU Version Python version Compiler Build tools tensorflow-1.11.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
TensorFlow-CUDA-cuDNN版本配套关系表.docx
05-13
TensorFlow-CUDA-cuDNN版本配套关系表，还有python版本，compiler版本，build tools版本等对应。
（详细整理！！！！）Tensorflow与Keras、Python版本对应关系！！！
最新发布
weixin_45325693的博客
04-30 9888
（详细整理！！！！）Tensorflow与Keras、Python版本对应关系！！！
TensorFlow的环境配置与安装教程详解（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）
12-17
记录一下安装win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5 之前已经安装过pycharm、Anaconda以及VS2013，因此，安装记录从此后开始 总体步骤大致如下： 1、确认自己电脑显卡型号是否支持CUDA（此处有坑） 此处有坑！不要管NVIDIA控制面板组件中显示的是CUDA9.2.148。 你下载的CUDA不一定需要匹配，尤其是CUDA9.2，最好使用CUDA9.0，我就在此坑摔的比较惨。 2、下载CUDA以及cuDNN，注意版本对应①查看版本匹配： https://www.tenso
环境配置—Tensorflow Cuda Cudnn 版本对应关系
01-20
深度学习-环境配置一、Linux1. CPU2. GPU二、macOS1. CPU2. GPU三、Windows1. CPU2. GPU四、下载网址 一、Linux Tested build configurations Linux 1. CPU 2. GPU 二、macOS 1. CPU 2. GPU 三、Windows 1. CPU 2. GPU 四、下载网址 CUDA 下载地址 点击打开链接 cudnn 下载地址 需要注册账号 https://developer.nvidia.com/cudnn tensorflow-cpu 下载地址 阿里镜像，下载速度快 http://mi
[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与cuda版本关系（附加多个cuda版本安装）
weixin_42206075的博客
02-18 1万+
Tensorflow与cuda版本关系（附加多个cuda版本安装） 多说一句 如果，在网上down的代码用的tf的版本与你本机cuda不一致的话，可以在本机安装多个cuda版本，到时候再根据你自己的项目来选择使用哪个版本的cuda（就我本机win10为栗子） 1.安装cuda，这一步在网上太多教程，随便找个就行（cuda安装教程（windows）） 2.一般来说，如果cuda默认安装，路径应该与我上面贴出来的图中的路径一致：C:\Program Files\NVIDIA GPU Computing To
tensorflow各个版本的CUDA以及Cudnn版本对应关系（重点）
Fighting Hua
07-04 1万+
  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： 当我们使用一台电脑...
[tensorflow]各个tensorflow版本和CUDA版本对应，以及各个GPU版本CUDA和cuDNN对应
weixin_44560088的博客
06-02 3万+
各个tensorflow版本和CUDA版本对应，以及各个GPU版本CUDA和cuDNN对应
TensorFlow版本和cuda、cudnn版本对应关系
m0_46547757的博客
04-07 208
记录用。
保姆级教程安装tensorflow对应的CUDA和CUDRNN
Dec31_的博客
08-09 1484
接下来要做的就是将这三个文件夹（不包过那个.txt文本文件）拷贝到之前下载的cuda对应的子路径中，具体如下。上面三个文件一一复制，bin就放到cuda的bin文件夹里面 ，include一样放到cuda的include文件夹里面，lib同样处理。知道自己的版本之后，需要找到tensorflow对应的cuda版本，要不无法使用，进入下面网址。找到对应的cuDNN和CUDA版本，如果tensorflow版本太新，则看下篇文章，如果降版本。继续点击，然后找到我们对应的版本，前面的图有，可以往上翻找，
查看已安装tensorflow版本的方法示例
09-17
主要介绍了查看已安装tensorflow版本的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
tensorflow-1.12支持cuda10.0
01-11
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: --...
tensorflow版本对应关系
地中海の养成记
01-31 4万+
防止安装tensorflow过程踩坑，首先要知道一些版本对应关系 1. Windows2. Linux3. macOS 1. Windows CPU GPU 2. Linux CPU GPU 3. macOS CPU GPU 来源：https://tensorflow.google.cn/install/source_windows
Anaconda Python 版本对应关系表（附所有版本下载）
清平乐的技术专栏
06-05 2万+
一、对应版本 首先解释一下上表。 anaconda在每次发布新版本的时候都会给python3和python2都发布一个包，版本号是一样的。 表格中，python版本号下方的离它最近的anaconda包就是包含它的版本。 举个例子，假设你想安装python2.7.14，在表格中找到它，它下方的三个anaconda包（anaconda2-5.0.1、5.1.0、5.2.0）都包含python2.7....
【CUDA】Tensorflow、CUDA、cuDNN、python版本对应关系一览表（全）【win、macOS、linux】
wcy0426255的专栏
09-01 838
Note: GPU support on native-Windows is only available for 2.10 or earlier versions, starting in TF 2.11, CUDA build is not supported for Windows. For using TensorFlow GPU on Windows, you will need to build/install TensorFlow in WSL2 or use tensorflow-cpu w
tensorflow对应的python版本清单
热门推荐
studyvcmfc的专栏
05-11 5万+
https://tensorflow.google.cn/install/source_windows#cpu
如何查看已安装的tensorflow的版本和位置
weixin_55604214的博客
04-21 2525
这是查找版本号（注意，此处version的左右各有两个下划线）3、待执行完上述语句后，输入。
tensorflow与cuda与python对应版本
05-14
TensorFlow, CUDA 和 Python 的版本之间的兼容性如下： | TensorFlow 版本 | CUDA 版本 | cuDNN 版本 | Python 版本 | | --------------- | -------- | ---------- | ----------- | | 2.5 | 11.2 | 8 | 3.6-3.8 | | 2.4 | 11.0 | 8 | 3.5-3.8 | | 2.3 | 10.1 | 7.6 | 3.5-3.8 | | 2.2 | 10.1 | 7.6 | 3.5-3.8 | | 2.1 | 10.0 | 7.4 | 3.5-3.7 | | 2.0 | 10.0 | 7.4 | 3.5-3.7 | 需要注意的是，不同的操作系统也有不同的要求和支持的版本。建议在安装时先查看官方文档以便确认所需的版本和操作系统兼容性。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 79
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