目录
2. TensorFlow与CUDA、cuDNN、Python的版本对应关系
时间:2022年3月20日~23日
背景:win10-64bit,anaconda3,jupyter notebook, python3.7,
显卡NVIDIA GeForce 940M (驱动版本472.47) 算力为5.0,笔记本thinkpad T 450s
用深度学习CNN进行图像分类,自己的笔记本较老了,CPU处理太慢有时跑一个epoch要4000s,无法忍受,好在有GPU,想利用起来。先是从网上找了教程,安装过程还算顺利,但一测试出了这样那样的种种问题,虽然有些都解决了,折腾了好几天,但终究是没有跑起来,最后判断是各种环节的版本问题。
一、可行的对应版本
各位一定要根据自己电脑的显卡算力、显卡驱动版本、python版本、tensorflow版本、keras版本,去匹配对应的CUDA和cuDNN版本。各版本并非完全唯一对应,而是有一定的范围区间。有网友举例了如下可行的版本:
python3.7.0+CUDA11.6.0+cuDNN8.3.2+tensorflow2.7.0+Keras2.7.0
python3.7.0+CUDA11.3.1+cuDNN8.2.1+tensorflow2.7.0+Keras2.7.0
python3.7.0+CUDA10.1.2+cuDNN7.6.5+tensorflow2.2.0+keras 2.3.1
二、安装步骤
1. 显卡驱动版本及算力
先说算力,算力决定CUDA版本区间范围,具体算力可以去NVIDIA官网查询:CUDA GPUs | NVIDIA Developer
如下图:
维基百科查询显卡算力对应的CUDA版本区间(境内无法正常打开):
维基百科CUDA,经过搜索我在维基百科(参考