1. 硬件、cuda、框架
最佳配置:硬件配置中的cuda版本号=当前安装cuda版本号=框架要求的cuda版本号。
向下兼容:硬件配置中的cuda版本号>当前安装cuda版本号>框架要求的cuda版本号。
2. Tensorflow 1.x
目前,pytorch和tensorflow 2.x向下兼容做得很好,易安装。Tensorflow 1.x 安装要求:
- N卡架构为图灵架构或以下。
- python 3.7 + cudatoolkit 10.0 + cudnn 7.6.5, tensorflow 1.14/1.15 + keras 2.3.1 + h5py 2.10 + protobuf 3.19.0
- 在GPU上固定随机性:pip install tensorflow-determinism
- 查看tensorflow-gpu是否可用
tf.test.is_gpu_available()
3. Tensorflow 2.x
- 查看tensorflow-gpu是否可用
tf.config.list_physical_devices('GPU')
- Tensorflow 2.10.1是最后一个在本地windows上支持GPU的版本。从2.11版本开始,Tensorflow 需要在windows WLS2(适用于 Linux 的 Windows 子系统)上安装才能使用GPU。所以要在native-windows上使用GPU,就只能安装2.10.1版本及以下的版本,或者安装老版的tensorflow-gpu。
4. 版本对应关系
cudatoolkit 10.0 + cudnn 7.6.5 + Python 3.7 + Tensorflow 1.14/1.15
cudatoolkit 11.8.0 + cudnn 8.6.0~8.9.0 + Python 3.11 + PyTorch 2.0.1
cudatoolkit 11.8.0 + cudnn 8.6.0~8.9.0 + Python 3.11 + Tensorflow 2.12.0
cudatoolkit 11.8.0 + cudnn 8.6.0~8.9.0 + Python 3.11 + Jax Master
cudatoolkit 12.0 + cudnn 8.6.0~8.9.0 + Python 3.8 + Nvidia-Tensorflow 1.15.5