cuda和tensorflow-gpu版本适配（2021.08更新，cuda11.1适配方案）

最新推荐文章于 2025-03-04 20:45:44 发布

S.T.A.R.

最新推荐文章于 2025-03-04 20:45:44 发布

阅读量5.8k

点赞数 4

本文链接：https://blog.csdn.net/weixin_44886683/article/details/119488718

版权

https://tensorflow.google.cn/install/source_windows
在上面这个网址会更新
在这里插入图片描述
上表没有涵盖cuda11.1
cuda11.1 适配 tensorflow-gpu 2.5.0 keras 2.4.3

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

S.T.A.R.

关注关注

4
点赞
踩
23

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

TensorFlow-GPU版本安装（CUDA11.1）

MISS_XDY的博客

07-31

1万+

在下载CUDA前先查看自己NVIDIA的版本信息我选择安装11.1.1版本官方的显卡驱动版本号https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions__table-cuda-toolkit-driver-versions CUDA11.1下载链接： https://developer.nvidia.com/cuda-11.1.0-downlo...

Tensorflow-Gpu安装基于gtx1060

m0_46241225的博客

03-14

1892

Tensorflow-gpu安装基于gtx1060 最近学习tensorflow，网上各种gpu版本的安装太乱了，自己整合了一个 CUDA与显卡驱动：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html tensorflow-gpu与CUDA cudnn python 的对应关系：https://tensorflow.google.cn/install/source_windows?hl=en#gpu Table. CUDA和

1 条评论您还未登录，请先登录后发表或查看评论

tensorflow各个版本的CUDA以及Cudnn版本对应关系

hello_program_world的博客

12-16

1万+

概述，需要注意以下几个问题：（1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。显卡驱动的安装：当我们使用一台电脑的时候默认的已经安装了NVIDIA的显卡驱动，因为没有显卡驱动根本用不了显卡嘛，但是这个时候我们是没有CUDA可以用的

win11/win10+tensorflow2.9.0+cuda11.2.1+cudnn8.1.1

最新发布

ouyang_ouba的博客

03-04

1177

使用PyCharm简单测试，注意如果是中途修改过环境依赖中的东西，例如重新安装过TensorFlow，要重启PyCharm，重新导入依赖才能生效，否则会出现已经成功安装但是却输出False情况。可以看到TensorFlow-gpu对应的cuda最高版本为11.2，但是点进去发现最高只支持win10系统，没有win11的选项。查看结果，可以看到输出了显卡的有关信息，表示安装成功。所以只要下载的cuda低于查看的版本，显卡驱动就支持，向下兼容。在创建的环境中直接使用pip安装，建议使用镜像安装，速度很快。

Windows11+CUDA11.1安装Tensorflow-gpu

weixin_45231460的博客

05-21

1495

从tensorflow的。

TensorFlow2.4.0与CUDA11.1版本以下对应关系

weixin_42063746的博客

04-14

8838

TensorFlow2.4.0与CUDA11.1版本以下对应关系 1、CPU版本下 2、GPU版本下

Tensorflow1 搭建Cuda11

黎国溥

12-20

7686

Tensorflow1中默认支持cuda10及以下的，最高的版本Tensorflow1.15默认使用cuda10；但是一些高性能的显卡，比如A100、3090等，它们只支持Cuda11的，这就不太友善了，毕竟不少项目依赖Tensorflow1搭建的。本文整理2种方法，一种是基于Conda搭建的，一种是基于docker搭建的，都测试过可用的。目录一、基于Conda搭建Tensorflow1 Cuda111.1 环境搭建1.2 查看环境的库1.3 验证环境。

windows10下CUDA11.1、CUDNN11.1、tensorflow-gpu 2.4.1和torch安装教程

Paul_Huang的专栏

07-15

1万+

1. 如何彻底的卸载anaconda（包括配置文件）安装 Anaconda-Clean package 打开 Anaconda Prompt，输入如下命令： conda install anaconda-clean 输入如下命令卸载 anaconda-clean --yes 直接运行安装目录下的 Uninstall-Anaconda3.exe 即可，但是这样卸载并没有完全卸载。 2. windows10下CUDA11.1、cuDNN8.0、tensorflow-gpu2.4.1安装教

NVIDIA驱动版本与Tensorflow版本和Cuda版本对应关系

u010072043的博客

03-07

3966

-Tensorflow版本与cuda版本具有对应关系而不同的cuda版本有NVIDIA驱动版本最低要求如需使用高版本的tensorflow，而且需要安装cuda时，首先检查 tensorflow版本-》cuda版本 cuda版本-》驱动版本然后依次安装： i) NVIDIA驱动 ii) Cuda iii) Cuda对应的cuDnn 最后安装对应版本的tensorflow [1]TensorFlow2.7对应CUDA版本 ...

nccl-local-repo-ubuntu2004-2.8.4-cuda11.1-1.0-1-amd64.zip

09-11

标题中的"nccl-local-repo-ubuntu2004-2.8.4-cuda11.1-1.0-1-amd64.zip"指的是NVIDIA Collective Communication Library (NCCL) 的本地仓库包，专为Ubuntu 20.04操作系统设计，并且与CUDA 11.1版本兼容。NCCL是一个...

COLMAP-3.6-windows-cuda11.0.zip

05-26

描述中提到的"需要安装cuda11.0和对应cudnn(适配cuda11.0即可)"，意味着在使用此版本的COLMAP之前，用户必须在他们的计算机上安装NVIDIA的CUDA Toolkit 11.0。CUDA是NVIDIA推出的一种并行计算平台和编程模型，允许...

tensorflow-1.12支持cuda10.0

01-11

自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl

详解Tensorflow不同版本要求与CUDA及CUDNN版本对应关系

01-21

参考官网地址： Windows端：https://tensorflow.google.cn/install/source_windows CPU Version Python version Compiler Build tools tensorflow-1.11.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3

CUDA+cuDNN+TensorFlow.zip

08-01

此三套件版本相互兼容，宜全套安装。经过测试。注：小白勿随意拆散安装！

配置Tensorflow使用CUDA进行GPU加速(超详细教程)

热门推荐

m0_51302496的博客

04-01

3万+

对于刚使用Tensorflow的友友来说配置环境并使用GPU进行加速也是件令人头疼的事情，纯自己折腾会遇到比较多的坑，所以这里详细介绍一下Tensorflow的环境配置

Win10下 anaconda3 + cuda11.3 + TensorFlow_GPU2.6.0 + Pytorch_GPU1.10.1

xiao_yun_zi的博客

04-09

1万+

Win10 + CUDA11.3 + TensorFlow GPU2.6.0 + Pytorch GPU1.10.1

RTX3080+Ubuntu18.04+cuda11.1+cudnn8.0.4+TensorFlow1.15.4+PyTorch1.7.0环境配置

wu496963386的博客

11-09

2万+

RTX3080+Ubuntu18.04+TensorFlow/PyTorch环境配置一、驱动及cuda、cudnn的安装二、pytorch的安装1. 源码编译安装2. pip方式安装三、TensorFlow的安装※ nvidia-tensorflow==1.15.4+nv20.10版本的安装1. 安装 TensorFlow wheel的索引2. 安装TensorFlow3. 安装nvidia-TensorFlow对应的依赖包4. TensorFlow测试四、后记参考有幸公司给购买了RTX3080，可以上

cuda tensorflow版本对应_Tensorflow-gpu环境配置

weixin_39836860的博客

12-11

137

查看本机cuda驱动版本：cd C:Program FilesNVIDIA GPU Computing ToolkitCUDA显卡类型是NVIDIACUDA GPUsdeveloper.nvidia.com驱动下载：NVIDIA 驱动程序下载www.nvidia.cnCuDA的下载网址：CUDA Toolkit 11.1 Update 1 Downloadsdeveloper.nvidia...

2021TensorFlow各个GPU版本CUDA和cuDNN对应版本整理

qq_60143666的博客

06-07

1122

笔记

TensorFlow-gpu 1.14.0

03-04

### 关于 TensorFlow-gpu 1.14.0 的安装与使用 #### 版本兼容性说明当通过 `conda` 安装 TensorFlow-gpu 1.14.0 时，环境会自动配置所需的依赖项，包括 CUDA 和 cuDNN 的适当版本。尽管本地已存在不同版本的 CUDA（如 11.1），但 Conda 创建的新环境中将仅使用与 TensorFlow 兼容的指定版本——即 CUDA 10.0.130 和 CuDNN 7.6.5[^1]。 #### 安装过程概述对于希望手动控制安装流程的情况，建议遵循官方指导来准备必要的组件： - **NVIDIA 驱动**: 确认已经安装了至少 410.x 或更新版本的驱动程序以支持所选用的 CUDA 版本。 - **CUDA 工具链**: 下载并安装适用于目标平台的 CUDA 10.0 工具包。 - **cuDNN 库**: 获取并与上述工具集相匹配的 cuDNN SDK (7.4.1+) 文件，并将其路径添加到系统的环境变量中[^3]。完成这些前置条件之后，可以通过如下方式利用 Anaconda 来简化 TensorFlow 的部署： ```bash conda create --name tf_env python=3.7 conda activate tf_env pip install tensorflow-gpu==1.14.0 ``` 这段脚本创建了一个新的虚拟环境 (`tf_env`) 并激活之；接着指定了 Python 解释器的具体版本号以便更好地适配软件需求；最后一步则是实际执行 TensorFlow GPU 加速版 v1.14.0 的 pip 安装指令[^2]。 #### 使用文档链接更多详细的安装指南和高级特性介绍可以参阅以下资源： - [TensorFlow Official Documentation](https://www.tensorflow.org/install/gpu) #### 常见问题解决方案如果遇到任何困难或疑问，下面列举了一些可能有助于解决问题的方向： - 如果发现无法识别 GPU 设备，则需核查 NVIDIA 显卡驱动是否正确无误地被加载； - 对于性能优化方面的需求，考虑引入 TensorRT 插件作为辅助手段之一； - 当面对复杂的网络结构训练任务时，尝试调整 batch size 参数大小或是启用 XLA 编译技术提升效率[^4]。