CUDA、cuDNN、Pytorch、TensorFlow、Keras以及Python的对应版本总结

前言

---

安装CUDA前，最好先确定自己需要安装的TensorFlow版本或者pytorch版本，然后根据TensorFlow版本或者pytorch版本确定对应的CUDA版本。否则，可能在安装的过程中出现版本不匹配的问题。

一、CUDA和cuDNN对应版本

1.1 CUDA驱动和CUDAToolkit对应版本

实时更新：CUDA Toolkit and Corresponding Driver Versions

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。

1.2 CUDA和cuDNN对应版本

版本对应：
cuDNN和CUDA对应关系
CUDA与cuDNN

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。想要在CUDA上运行深度神经网络，就要安装cuDNN，这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

二、Pytorch、CUDA版本匹配

各版本Pytorch对应安装包的版本匹配：
Environment: PyTorch
pytorch和cudatoolkit版本对应关系

三、TensorFlow、Python、CUDA、cuDNN版本匹配

官网：TensorFlow
各版本Pytorch对应安装包的版本匹配：Environment: TensorFlow

3.1 Windows

基于CPU版本的TensorFlow版本：TensorFlow-CPU

基于GPU版本的TensorFlow：TensorFlow-GPU

如需支持 GPU，请将 CUDA 和 cuDNN bin 目录添加到$PATH 中：

• export PATH=“c:Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.0/bin:$PATH”
• export PATH=“c:Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.0/extras/CUPTI/libx64:$PATH”
• export PATH="/c/tools/cuda/bin:$PATH"

3.2 Linux

基于CPU版本的TensorFlow版本：TensorFlow-CPU

基于GPU版本的TensorFlow：TensorFlow-GPU

四、Keras、TensorFlow、Python版本匹配

Keras官网：Keras

4.1 简介

Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。

如果你在以下情况下需要深度学习库，请使用 Keras：

• 允许简单而快速的原型设计（由于用户友好，高度模块化，可扩展性）。
• 同时支持卷积神经网络和循环神经网络，以及两者的组合。
• 在 CPU 和 GPU 上无缝运行。

Keras 兼容的 Python 版本: Python 2.7-3.6。

4.2 安装版本匹配

在安装 Keras 之前，请安装以下后端引擎之一：

• TensorFlow，
• Theano，
• CNTK。

Keras推荐 TensorFlow 后端。

如果环境中未提及的，可以安装 tensorflow-1.9 ，配套的Python 3.6, Keras 2.2.0。