【tensorflow】 各个tensorflow版本和CUDA版本对应，以及各个GPU版本CUDA和cuDNN对应

于 2025-04-21 17:21:22 发布
阅读量810 收藏 19
点赞数 25
分类专栏： tensorflow anaconda 文章标签： tensorflow 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_37251044/article/details/147398621
版权

Tested build configurations
Linux
CPU
Version Python version Compiler Build tools
tensorflow-2.19.0 3.9-3.12 Clang 18.1.8 Bazel 6.5.0
tensorflow-2.18.0 3.9-3.12 Clang 17.0.6 Bazel 6.5.0
tensorflow-2.17.0 3.9-3.12 Clang 17.0.6 Bazel 6.5.0
tensorflow-2.16.1 3.9-3.12 Clang 17.0.6 Bazel 6.5.0
tensorflow-2.15.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0
tensorflow-2.13.0 3.8-3.11 Clang 16.0.0 Bazel 5.3.0
tensorflow-2.12.0 3.8-3.11 GCC 9.3.1 Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 GCC 9.3.1 Bazel 5.3.0
tensorflow-2.10.0 3.7-3.10 GCC 9.3.1 Bazel 5.1.1
tensorflow-2.9.0 3.7-3.10 GCC 9.3.1 Bazel 5.0.0
tensorflow-2.8.0 3.7-3.10 GCC 7.3.1 Bazel 4.2.1
tensorflow-2.7.0 3.7-3.9 GCC 7.3.1 Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2
tensorflow-2.4.0 3.6-3.8 GCC 7.3.1 Bazel 3.1.0
tensorflow-2.3.0 3.5-3.8 GCC 7.3.1 Bazel 3.1.0
tensorflow-2.2.0 3.5-3.8 GCC 7.3.1 Bazel 2.0.0
tensorflow-2.1.0 2.7, 3.5-3.7 GCC 7.3.1 Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1
tensorflow-1.15.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1
tensorflow-1.14.0 2.7, 3.3-3.7 GCC 4.8 Bazel 0.24.1
tensorflow-1.13.1 2.7, 3.3-3.7 GCC 4.8 Bazel 0.19.2
tensorflow-1.12.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
tensorflow-1.11.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
tensorflow-1.10.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
tensorflow-1.9.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.11.0
tensorflow-1.8.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0
tensorflow-1.7.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0
tensorflow-1.6.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0
tensorflow-1.5.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.8.0
tensorflow-1.4.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.5.4
tensorflow-1.3.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5
tensorflow-1.2.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5
tensorflow-1.1.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2
tensorflow-1.0.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2
GPU
Version Python version Compiler Build tools cuDNN CUDA
tensorflow-2.19.0 3.9-3.12 Clang 18.1.8 Bazel 6.5.0 9.3 12.5
tensorflow-2.18.0 3.9-3.12 Clang 17.0.6 Bazel 6.5.0 9.3 12.5
tensorflow-2.17.0 3.9-3.12 Clang 17.0.6 Bazel 6.5.0 8.9 12.3
tensorflow-2.16.1 3.9-3.12 Clang 17.0.6 Bazel 6.5.0 8.9 12.3
tensorflow-2.15.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0 8.9 12.2
tensorflow-2.14.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0 8.7 11.8
tensorflow-2.13.0 3.8-3.11 Clang 16.0.0 Bazel 5.3.0 8.6 11.8
tensorflow-2.12.0 3.8-3.11 GCC 9.3.1 Bazel 5.3.0 8.6 11.8
tensorflow-2.11.0 3.7-3.10 GCC 9.3.1 Bazel 5.3.0 8.1 11.2
tensorflow-2.10.0 3.7-3.10 GCC 9.3.1 Bazel 5.1.1 8.1 11.2
tensorflow-2.9.0 3.7-3.10 GCC 9.3.1 Bazel 5.0.0 8.1 11.2
tensorflow-2.8.0 3.7-3.10 GCC 7.3.1 Bazel 4.2.1 8.1 11.2
tensorflow-2.7.0 3.7-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
tensorflow-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
tensorflow-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
tensorflow-2.4.0 3.6-3.8 GCC 7.3.1 Bazel 3.1.0 8.0 11.0
tensorflow-2.3.0 3.5-3.8 GCC 7.3.1 Bazel 3.1.0 7.6 10.1
tensorflow-2.2.0 3.5-3.8 GCC 7.3.1 Bazel 2.0.0 7.6 10.1
tensorflow-2.1.0 2.7, 3.5-3.7 GCC 7.3.1 Bazel 0.27.1 7.6 10.1
tensorflow-2.0.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1 7.4 10.0
tensorflow_gpu-1.15.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1 7.4 10.0
tensorflow_gpu-1.14.0 2.7, 3.3-3.7 GCC 4.8 Bazel 0.24.1 7.4 10.0
tensorflow_gpu-1.13.1 2.7, 3.3-3.7 GCC 4.8 Bazel 0.19.2 7.4 10.0
tensorflow_gpu-1.12.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.11.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.9.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.11.0 7 9
tensorflow_gpu-1.8.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0 7 9
tensorflow_gpu-1.7.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9
tensorflow_gpu-1.6.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9
tensorflow_gpu-1.5.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.8.0 7 9
tensorflow_gpu-1.4.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.5.4 6 8
tensorflow_gpu-1.3.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5 6 8
tensorflow_gpu-1.2.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5 5.1 8
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2 5.1 8
macOS
CPU
Version Python version Compiler Build tools
tensorflow-2.16.1 3.9-3.12 Clang from Xcode 13.6 Bazel 6.5.0
tensorflow-2.15.0 3.9-3.11 Clang from xcode 10.15 Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 Clang from xcode 10.15 Bazel 6.1.0
tensorflow-2.13.0 3.8-3.11 Clang from xcode 10.15 Bazel 5.3.0
tensorflow-2.12.0 3.8-3.11 Clang from xcode 10.15 Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 Clang from xcode 10.14 Bazel 5.3.0
tensorflow-2.10.0 3.7-3.10 Clang from xcode 10.14 Bazel 5.1.1
tensorflow-2.9.0 3.7-3.10 Clang from xcode 10.14 Bazel 5.0.0
tensorflow-2.8.0 3.7-3.10 Clang from xcode 10.14 Bazel 4.2.1
tensorflow-2.7.0 3.7-3.9 Clang from xcode 10.11 Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 Clang from xcode 10.11 Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 Clang from xcode 10.11 Bazel 3.7.2
tensorflow-2.4.0 3.6-3.8 Clang from xcode 10.3 Bazel 3.1.0
tensorflow-2.3.0 3.5-3.8 Clang from xcode 10.1 Bazel 3.1.0
tensorflow-2.2.0 3.5-3.8 Clang from xcode 10.1 Bazel 2.0.0
tensorflow-2.1.0 2.7, 3.5-3.7 Clang from xcode 10.1 Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.5-3.7 Clang from xcode 10.1 Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.3-3.7 Clang from xcode 10.1 Bazel 0.26.1
tensorflow-1.15.0 2.7, 3.3-3.7 Clang from xcode 10.1 Bazel 0.26.1
tensorflow-1.14.0 2.7, 3.3-3.7 Clang from xcode Bazel 0.24.1
tensorflow-1.13.1 2.7, 3.3-3.7 Clang from xcode Bazel 0.19.2
tensorflow-1.12.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.15.0
tensorflow-1.11.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.15.0
tensorflow-1.10.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.15.0
tensorflow-1.9.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.11.0
tensorflow-1.8.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.10.1
tensorflow-1.7.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.10.1
tensorflow-1.6.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.8.1
tensorflow-1.5.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.8.1
tensorflow-1.4.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.5.4
tensorflow-1.3.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.5
tensorflow-1.2.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.5
tensorflow-1.1.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.2
tensorflow-1.0.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.2
GPU
Version Python version Compiler Build tools cuDNN CUDA
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.2 5.1 8

来源：https://tensorflow.google.cn/install/source?hl=en#gpu

Tensorflow安装教程说明，不知道如何选择Tensorflow版本？快来看看经过官方测试验证好的Tensorflow与Python、CUDA、cuDNN的版本对应表
科技改变人类，技术成就未来
06-30 1万+
如何选择Tensorflow版本？快来看看经过官方测试验证好的Tensorflow与Python、CUDA、cuDNN的版本对应表
Tensorflow与Python、CUDA、cuDNN的版本对应表
热门推荐
发布工作学习过程中遇到的问题和解决方案
05-02 22万+
TensorFlow​经过测试的构建配置官网说明
Tensorflow、Pytorch与Python、CUDA版本的对应关系（更新时间：2025年4月）
最新发布
04-05 1737
20250405。
TensorFlow版本配套关系表
03-04
tensorflow版本配套关系表，官方出品，可供参考使用，最新到1.6
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
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表
weixin_43279138的博客
08-27 1万+
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表 CUDA下载地址CUDNN下载地址torch下载英伟达显卡下载 一、TensorFlow对应版本对照表 版本 Python 版本 编译器 cuDNN CUDA tensorflow-2.9.0 3.7-3.10 8.1 11.2 tensorflow-2.8.0 3.7-3.10 8.1.........
tensorflow，tensorflow-gpu, CUDA, cuDNN，Python， numpy对应版本
weixin_44624583的博客
11-14 2813
Tensorflow 2.6.0 Tensorflow-gpu 2.6.0 (目前为止最高版本) Python 3.9.18 CUDA 11.2.2 cuDNN 8.2.1 numpy 1.23.4 ##参考链接 https://developer.baidu.com/article/detail.html?id=1804196我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：撤销：Ctrl/Command + Z 重
【AI学习笔记】TensorFlow 版本对应（参考表）和 Torch/Torchvision版本对应（参考表）
X10的博客
11-27 4374
Python 分别与 TensorFlow 和 Torch/Torchvision 的版本对应（参考表）
详解Tensorflow不同版本要求与CUDA及CUDNN版本对应关系
09-16
主要介绍了详解Tensorflow不同版本要求与CUDA及CUDNN版本对应关系，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]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与python3.7适配版本
11-01
tensorflow与python3.7匹配的最新库，更新了python3.7以后可以自行下载，或者去国外python的扩展包下载界面自行下载。
适用于tensorflow-2.11.0 CUDA版本11.2的cuDNN8.1版本
05-22
在这个案例中，提供的 cuDNN 版本是 8.1.1.33，而对应的 CUDA 版本是 11.2。 **安装与配置** 1. **下载 cuDNN**: 首先，你需要从 NVIDIA 官方网站下载 cuDNN 8.1.1.33，并确保它是针对 CUDA 11.2 版本的。压缩包中...
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 ...tensorflow-cpu 下载地址 阿里镜像，下载速度快 http://mi
Tensorflow-gpu/CUDA/cuDNN对应版本
qq_37653019的博客
11-22 3698
这里写自定义目录标题Tensorflow-gpu，cuda，cudnn对应版本WindowsLinux可安装版本查询Cuda版本查询Cudnn版本查询生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 Tensorflow-gpu，cuda，cudnn对应版本 安装Tensorflow-gpu版本需要匹配安装对应版本的cuda跟c
tensorflow-gpu-cudnn-cuda对应版本
光于前裕于后的博客
04-17 2897
https://tensorflow.google.cn/install/source#linux
Tensorflow 与keras 对应版本查询
hankerbit的博客
11-16 1317
Tensorflow 与keras 对应版本查询 https://docs.floydhub.com/guides/environments/
TensorFlow与依赖项的版本对应关系
weixin_42077074的博客
02-07 4471
以下对应关系数据来自TensorFlow官网 https://tensorflow.google.cn/install/source_windows#cpu CPU版本 Version Python version Compiler Build tools tensorflow-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0 tensorflow-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 tensorflow-2.2.0 3..
Tensorflow、Keras、numpy对应参考版本（亲测有效）
weixin_62138684的博客
07-18 6691
安装TensorFlow和Keras以及numpy库（用的是清华源安装速度更快），在安装版本的过程中如果已经安装了旧的版本会自动卸载（用pycharm终端安装是这样的），所以不需要卸载直接在终端执行下面的pip install就可以了，当然如果想确定自己有没有安装以上的库可以在终端输入pip list查看安装的包，卸载再重装的话先pip uninstall 库再执行以下操作就可以了。安装scipy及protobuf（如果在执行代码过程中没有报错可以忽略）以及对应的protobuf：3.19.0。
pyvharm安装tensorflow2.15.0版本
03-09
### 安装 TensorFlow 2.15.0 版本 为了在 PyCharm 中安装并配置 TensorFlow 2.15.0，建议遵循以下指导： 对于希望使用 Conda 环境管理工具来安装 TensorFlow 的用户来说，可以通过指定版本号的方式完成安装。然而，在提供的参考资料中并未提及直接通过 `conda` 安装该具体版本的方法；相反，资料提到了利用 pip 来安装特定版本的 TensorFlow[^2]。 如果之前已经尝试过安装但遇到“No module named 'tensorflow'”错误，则可能是由于安装路径或环境变量设置不当造成的。确保所使用的 Python 解释器位于正确的环境中，并且此环境中已正确安装了所需的 TensorFlow 包[^3]。 针对想要安装 TensorFlow 2.15.0 的情况，推荐采用如下方式： ```bash pip install tensorflow==2.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 上述命令指定了清华镜像源以加速下载过程。这一步骤应该在一个适当配置好的虚拟环境中执行，比如由 Anaconda 创建的新环境，从而避免与其他项目依赖冲突。 另外值得注意的是，当在 PyCharm 内部操作时，需确认 IDE 使用的是预期中的解释器以及对应的 site-packages 路径下确实存在所需版本的 TensorFlow 库文件。可通过 PyCharm 设置 -> Project Interpreter 页面查看当前项目的 Python 解释器及其关联库列表。 #### 配置 PyCharm 使用正确的 Python 解释器 - 打开 PyCharm 并进入 File (或者 PyCharm Community Edition 下的 Settings) > Settings/Preferences。 - 寻找 Project: <your_project_name> > Python Interpreter。 - 如果未看到合适的解释器选项，点击齿轮图标旁边的 "+" 添加新的解释器。 - 对于基于 Conda 的环境，可以选择 "Conda Environment" 或者手动指向至目标位置下的 python.exe 文件（Windows）或 bin/python （Linux/macOS），以此创建一个新的解释器条目。 - 确认新添加的解释器被选作默认项后保存更改。 这样做的目的是让 PyCharm 明确知道要调用哪个 Python 解释器来进行代码解析和运行，进而确保能够识别到刚刚安装成功的 TensorFlow 库。
评论
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