TensorFlow各个GPU版本CUDA和cuDNN对应版本

最新推荐文章于 2025-02-24 14:59:28 发布
最新推荐文章于 2025-02-24 14:59:28 发布
阅读量5.5k 收藏 13
点赞数 2
分类专栏： 笔记 文章标签： tensorflow 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 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_45508265/article/details/122006044
版权

TensorFlow各个GPU版本CUDA和cuDNN对应版本

CUDA与显卡驱动

CUDA与显卡驱动：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

Table 2. CUDA Toolkit and Minimum Compatible Driver Versions
CUDA ToolkitToolkit Driver Version
Linux x86_64 Driver VersionWindows x86_64 Driver Version
CUDA 11.4 Update 1>=470.57.02>=471.41
CUDA 11.4.0 GA>=470.42.01>=471.11
CUDA 11.3.1 Update 1>=465.19.01>=465.89
CUDA 11.3.0 GA>=465.19.01>=465.89
CUDA 11.2.2 Update 2>=460.32.03>=461.33
CUDA 11.2.1 Update 1>=460.32.03>=461.09
CUDA 11.2.0 GA>=460.27.03>=460.82
CUDA 11.1.1 Update 1>=455.32>=456.81
CUDA 11.1 GA>=455.23>=456.38
CUDA 11.0.3 Update 1>= 450.51.06>= 451.82
CUDA 11.0.2 GA>= 450.51.05>= 451.48
CUDA 11.0.1 RC>= 450.36.06>= 451.22
CUDA 10.2.89>= 440.33>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)>= 418.39>= 418.96
CUDA 10.0.130>= 410.48>= 411.31
CUDA 9.2 (9.2.148 Update 1)>= 396.37>= 398.26
CUDA 9.2 (9.2.88)>= 396.26>= 397.44
CUDA 9.1 (9.1.85)>= 390.46>= 391.29
CUDA 9.0 (9.0.76)>= 384.81>= 385.54
CUDA 8.0 (8.0.61 GA2)>= 375.26>= 376.51
CUDA 8.0 (8.0.44)>= 367.48>= 369.30
CUDA 7.5 (7.5.16)>= 352.31>= 353.66
CUDA 7.0 (7.0.28)>= 346.46>= 347.62

GPU

VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-2.6.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.5.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.4.03.6-3.8MSVC 2019Bazel 3.1.08.011.0
tensorflow_gpu-2.3.03.5-3.8MSVC 2019Bazel 3.1.07.610.1
tensorflow_gpu-2.2.03.5-3.8MSVC 2019Bazel 2.0.07.610.1
tensorflow_gpu-2.1.03.5-3.7MSVC 2019Bazel 0.27.1-0.29.17.610.1
tensorflow_gpu-2.0.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.15.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.14.03.5-3.7MSVC 2017Bazel 0.24.1-0.25.27.410
tensorflow_gpu-1.13.03.5-3.7MSVC 2015 update 3Bazel 0.19.0-0.21.07.410
tensorflow_gpu-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.07.29.0
tensorflow_gpu-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.1.03.5MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.0.03.5MSVC 2015 update 3Cmake v3.6.35.18

TensorFlow-GPU与Python版本关系

TensorFlow-GPU与CUDA cudnn Python版本关系：https://tensorflow.google.cn/install/source_windows?hl=en#gpu

Linux

CPU
VersionPython versionCompilerBuild tools
tensorflow-2.7.03.7-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.6.03.6-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.5.03.6-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.4.03.6-3.8GCC 7.3.1Bazel 3.1.0
tensorflow-2.3.03.5-3.8GCC 7.3.1Bazel 3.1.0
tensorflow-2.2.03.5-3.8GCC 7.3.1Bazel 2.0.0
tensorflow-2.1.02.7, 3.5-3.7GCC 7.3.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.1
tensorflow-1.15.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.1
tensorflow-1.14.02.7, 3.3-3.7GCC 4.8Bazel 0.24.1
tensorflow-1.13.12.7, 3.3-3.7GCC 4.8Bazel 0.19.2
tensorflow-1.12.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.11.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.10.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.9.02.7, 3.3-3.6GCC 4.8Bazel 0.11.0
tensorflow-1.8.02.7, 3.3-3.6GCC 4.8Bazel 0.10.0
tensorflow-1.7.02.7, 3.3-3.6GCC 4.8Bazel 0.10.0
tensorflow-1.6.02.7, 3.3-3.6GCC 4.8Bazel 0.9.0
tensorflow-1.5.02.7, 3.3-3.6GCC 4.8Bazel 0.8.0
tensorflow-1.4.02.7, 3.3-3.6GCC 4.8Bazel 0.5.4
tensorflow-1.3.02.7, 3.3-3.6GCC 4.8Bazel 0.4.5
tensorflow-1.2.02.7, 3.3-3.6GCC 4.8Bazel 0.4.5
tensorflow-1.1.02.7, 3.3-3.6GCC 4.8Bazel 0.4.2
tensorflow-1.0.02.7, 3.3-3.6GCC 4.8Bazel 0.4.2
GPU
VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow-2.7.03.7-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.6.03.6-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.5.03.6-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.4.03.6-3.8GCC 7.3.1Bazel 3.1.08.011.0
tensorflow-2.3.03.5-3.8GCC 7.3.1Bazel 3.1.07.610.1
tensorflow-2.2.03.5-3.8GCC 7.3.1Bazel 2.0.07.610.1
tensorflow-2.1.02.7, 3.5-3.7GCC 7.3.1Bazel 0.27.17.610.1
tensorflow-2.0.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.17.410.0
tensorflow_gpu-1.15.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.17.410.0
tensorflow_gpu-1.14.02.7, 3.3-3.7GCC 4.8Bazel 0.24.17.410.0
tensorflow_gpu-1.13.12.7, 3.3-3.7GCC 4.8Bazel 0.19.27.410.0
tensorflow_gpu-1.12.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.11.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.10.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.9.02.7, 3.3-3.6GCC 4.8Bazel 0.11.079
tensorflow_gpu-1.8.02.7, 3.3-3.6GCC 4.8Bazel 0.10.079
tensorflow_gpu-1.7.02.7, 3.3-3.6GCC 4.8Bazel 0.9.079
tensorflow_gpu-1.6.02.7, 3.3-3.6GCC 4.8Bazel 0.9.079
tensorflow_gpu-1.5.02.7, 3.3-3.6GCC 4.8Bazel 0.8.079
tensorflow_gpu-1.4.02.7, 3.3-3.6GCC 4.8Bazel 0.5.468
tensorflow_gpu-1.3.02.7, 3.3-3.6GCC 4.8Bazel 0.4.568
tensorflow_gpu-1.2.02.7, 3.3-3.6GCC 4.8Bazel 0.4.55.18
tensorflow_gpu-1.1.02.7, 3.3-3.6GCC 4.8Bazel 0.4.25.18
tensorflow_gpu-1.0.02.7, 3.3-3.6GCC 4.8Bazel 0.4.25.18

macOS

CPU
VersionPython versionCompilerBuild tools
tensorflow-2.7.03.7-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.6.03.6-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.5.03.6-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.4.03.6-3.8Clang from xcode 10.3Bazel 3.1.0
tensorflow-2.3.03.5-3.8Clang from xcode 10.1Bazel 3.1.0
tensorflow-2.2.03.5-3.8Clang from xcode 10.1Bazel 2.0.0
tensorflow-2.1.02.7, 3.5-3.7Clang from xcode 10.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.5-3.7Clang from xcode 10.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.3-3.7Clang from xcode 10.1Bazel 0.26.1
tensorflow-1.15.02.7, 3.3-3.7Clang from xcode 10.1Bazel 0.26.1
tensorflow-1.14.02.7, 3.3-3.7Clang from xcodeBazel 0.24.1
tensorflow-1.13.12.7, 3.3-3.7Clang from xcodeBazel 0.19.2
tensorflow-1.12.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.11.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.10.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.9.02.7, 3.3-3.6Clang from xcodeBazel 0.11.0
tensorflow-1.8.02.7, 3.3-3.6Clang from xcodeBazel 0.10.1
tensorflow-1.7.02.7, 3.3-3.6Clang from xcodeBazel 0.10.1
tensorflow-1.6.02.7, 3.3-3.6Clang from xcodeBazel 0.8.1
tensorflow-1.5.02.7, 3.3-3.6Clang from xcodeBazel 0.8.1
tensorflow-1.4.02.7, 3.3-3.6Clang from xcodeBazel 0.5.4
tensorflow-1.3.02.7, 3.3-3.6Clang from xcodeBazel 0.4.5
tensorflow-1.2.02.7, 3.3-3.6Clang from xcodeBazel 0.4.5
tensorflow-1.1.02.7, 3.3-3.6Clang from xcodeBazel 0.4.2
tensorflow-1.0.02.7, 3.3-3.6Clang from xcodeBazel 0.4.2
GPU
VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-1.1.02.7, 3.3-3.6Clang from xcodeBazel 0.4.25.18
tensorflow_gpu-1.0.02.7, 3.3-3.6Clang from xcodeBazel 0.4.25.18

下载路径

给出其他资源的下载路径：

Win11极速安装Tensorflow-gpu+CUDA+cudnn(含视频)
weixin_46713695的博客
12-16 1万+
Win11极速安装Tensorflow-gpu+CUDA+cudnn
tensorflow各个版本的CUDA以及Cudnn版本对应关系
Lightweight User Interface Toolkit
08-01 2001
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...
cuda11.0 +对应版本cudnn
02-16
win10 cuda_11.0.2_451.48_win10 cudnn-11.0-windows-x64-v8.0.5 .39 亲测有效 (百度网盘链接+提取码)
CUDA11.4、CUDNN、Pytorch安装
源仔
12-23 4万+
显卡驱动查看 桌面任意位置右击，选择NVIDIA控制面板 点击3D设置中通过预览调整图像设置 点击左下方的系统信息 再点击组件 如下图所示： 安装CUDA 下载CUDA 百度盘 本人已经下载好的CUDA1.4.1和对应版本的CUDNN： 链接：https://pan.baidu.com/s/1Vixfl7tv4I6-OuBMF2ITQw 提取码：b2b7 –来自百度网盘超级会员V3的分享 自行下载 **法一：**可进入CUDA Toolkit 官网进行下载，但是一般都是最新的CUDA版本，可能不适合你
python深度学习：利用Anaconda新建虚拟环境下，GPU与CPU版本的Tensorflow安装
最新发布
ycb1718603735的博客
02-24 1459
分享个人安装tensorflow的过程。
CUDA11.3、CUDA11.4和对应cudnn安装包(ubuntu18.04)
carissaying的博客
10-10 1929
安装CUDA时候没有注意对应得pytorch版本，但是实际使用得时候有时候要求pytorch的CUDA版本必须跟本机的CUDA版本相同，于是装了cuda-10.1、cuda-11.4、cuda-11.0，但是发现cuda-11.4根本没有对应的pytorch版本，而cuda-10.1、cuda-11.0对应得pytorch版本最大是1.7.1，太古早了经常满足不了要求TAT。所以又在吭哧吭哧的安装CUDA11.3，都是泪呀。
笔记本win10安装cuda11.4+cuDNN+pytorch(gpu)
qq_37386752的博客
03-24 1万+
笔记本windows10安装cuda11.4 + cuDNN11.4 + pytorch-gpu1.11.0（cu113）
TensorFlow gpu版本和cuda、cudnn对应关系
weixin_43301333的博客
12-02 4433
日期：2021.12.2 最新的对应关系请参见官网:
[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
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
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...
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
TensorFlow2.x GPU版安装与CUDA版本选择指南
Color Space的博客
11-03 5666
———————————————————————————————————————————— 本文主题导读： ①TensorFlow2.x GPU版windows安装步骤 ②GPU对应CUDA版本的选择方式 ———————————————————————————————————————————— 目前Python最新release版本为3.9.0，配合TensorFlow2版本使用目前常见的以Python3.6和3.7，大家根据自己的开发平台选择合适的版本下载即可 Windo...
CUDA11.4、CUDNN、Pytorch安装指南
gitblog_06558的博客
09-20 1831
CUDA11.4、CUDNN、Pytorch安装指南 CUDA11.4CUDNNPytorch安装 项目地址: https://gitcode.com/Resource-Bundle-Collection/bc11f ...
cuda和cudnn版本对应的tensorflow-gpu版本错误说明与排查
热门推荐
yeler082的博客
07-06 4万+
首先说明一下cuda和cuDNN的概念 CUDA的官方文档（参考资料1）是这么介绍CUDA的：a general purpose parallel computing platform and programming model that leverages the parallel compute engine in NVIDIA GPUs to solve many complex comp...
[tensorflow]tensorflow与cuda对应关系表
FL1768317420的博客
12-06 2万+
资料来自官方：hl=en。
cuda和tensorflow-gpu对应版本的安装及测试
学习 & 分享 ~
06-02 1万+
CUDA、cuDNN 和 tensorflow-gpu 版本的推荐配置：configure page 查看自己的 CUDA 和 cudnn 的版本：1）直接用 查看： 2）CUDA 一般安装在 /usr/local/cuda/ 路径下，该路径下有一个version.txt文档，里面记录了 CUDA 的版本信息，执行语句： 3）cuDNN 的信息在其头文件里，执行语句： 这里可以到看到 CUDA 版本是 9.0，cuDNN 版本是 7.0.5，官方推荐的 tensorflow 对应版本是：1.5 /
win10安装cuda11.4及cudnn
sinat_38685124的博客
07-23 1768
在windows终端键入nvidia-smi，查看nvidia显卡驱动。显卡驱动的版本决定了CUDA的版本下限。如果出现上述的问题，则终端进入文件夹内，再键入nvidia-smi，可以看到我的驱动版本是472.84，最高可以支持CUDA11.4.
NVIDIA GTX 1650 适配的cuda11.4以及cudnn的安装
ZhangSanNNZ的博客
05-23 3442
（在NVIDIA控制面板的系统信息上查看到的cuda组件为cuda 11.4.141，与之适配的的cuda toolkit为11.4，下载链接为。（两个教程都看了，这个中文的简单易懂无问题）
那tensorflow GPU版本对应cuda和cudnn版本是多少
05-31
以下是TensorFlow GPU版本与CUDA和cuDNN版本的对应关系列表： | TensorFlow版本 | CUDA版本 | cuDNN版本 | |----------------|---------|-----------| | 2.0 | 10.0 | 7.4 | | 2.1 | 10.1 | 7.6 | | 2.2 | 10.1 | ...
评论 3
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

打赏作者

风信子的猫Redamancy

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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