tensorflow对CUDA和cudnn版本的依赖性很强,就算你这三个都安装成功了,但是版本不匹配,执行程序时还是会报出各种五花八门的错误,下面就来看一下这三个的对应关系:
1、要安装 tensorflow-gpu ,需要处理以下几个依赖:按顺序依次为 python、CUDA driver、CUDA toolkit、cudnn;
2、conda create -n tf36 python=3.6
其中 tf36 是环境名
3、CUDA driver 版本
nvidia-smi
确定自己的 CUDA driver 版本
4、CUDA toolkit版本 到看自己的驱动对应的 CUDA toolkit 版本(向下兼容)
比如上图为 367.57,应该下载8.0版本conda install cudatoolkit=8.0
5、安装 tensorflow-gpu
有了前面的铺垫,直接安装 tensorflow-gpu 就可以了,tensorflow 和cudnn 的版本会自动匹配 cudatoolkit 版本conda install tensorflow-gpu
6、测试是否安装成功python
进入命令行模式import tensorflow as tf
导入 tensorflowtf.test.is_gpu_available()
如果显示 True 则大功告成
总结:
1、首先要确定CUDA驱动的版本,据此安装正确的 cudatoolkit 版本,此时再安装 tensorflow-gpu 会自动安装正确的 cudnn 和 tensorflow-gpu 版本。
2、而如果直接安装 tensorflow-gpu 的话,会默认安装最新版的 cudatoolkit 与 cudnn,极有可能与自己机器的驱动不符。
3、另外推荐安装 python3.6。