2025年最新 Tensorflow paddlepaddle与CUDA 、Python、cuDNN的版本对应表一一对应关系,torch和CUDA的对应表

zhangfeng1133

已于 2025-01-03 12:12:20 修改

阅读量2.8k

点赞数 30

文章标签： python tensorflow 人工智能

于 2025-01-03 06:50:57 首次发布

本文链接：https://blog.csdn.net/zhangfeng1133/article/details/144899180

版权

cuda版本查看 nvcc -V

cudnn 版本查看

find / -name cudnn_version.h

找到对应的文件

find: '/proc/tty/driver': Permission denied
/usr/include/cudnn_version.h
/opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/nvidia/cudnn/include/cudnn_version.h
find: '/root': Permission denied
find: '/var/lib/apt/lists/partial': Permission denied
find: '/var/lib/private': Permission denied
find: '/var/log/private': Permission denied
find: '/var/cache/ldconfig': Permission denied
find: '/var/cache/apt/archives/partial': Permission denied
find: '/var/cache/private': Permission denied
find: '/run/sudo': Permission denied
/home/aistudio/external-libraries/nvidia/cudnn/include/cudnn_version.h
find: '/etc/ssl/private': Permission denied

-

baidu aistutdiou是

cd /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/nvidia/cudnn/include

cudnn_version.h | grep CUDNN_MAJOR -A 2

1. 官方配置

官网除了中文（包括简体和繁体）之外的才更新到了TensorFlow 2.18.0，中文版只更新到了2.6.0，所以要想看到下面的内容需要进入官网之后右上角将语言选择为English。

经过测试的构建配置

Linux

CPU

Version	Python version	Compiler	Build tools
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-2.18.0	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

★注意：从 TF 2.11 开始，Windows平台不再支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow，或者使用 tensorflow-cpu 配合 TensorFlow-DirectML-Plugin。

经过测试的构建配置

Windows

CPU

Version	Python version	Compiler	Build tools
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	MSVC 2019	Bazel 6.1.0
tensorflow-2.14.0	3.9-3.11	MSVC 2019	Bazel 6.1.0
tensorflow-2.12.0	3.8-3.11	MSVC 2019	Bazel 5.3.0
tensorflow-2.11.0	3.7-3.10	MSVC 2019	Bazel 5.3.0
tensorflow-2.10.0	3.7-3.10	MSVC 2019	Bazel 5.1.1
tensorflow-2.9.0	3.7-3.10	MSVC 2019	Bazel 5.0.0
tensorflow-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1
tensorflow-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2
tensorflow-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2
tensorflow-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2
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	3.5-3.8	MSVC 2019	Bazel 2.0.0
tensorflow-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1
tensorflow-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1
tensorflow-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1
tensorflow-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2
tensorflow-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0
tensorflow-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0
tensorflow-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0
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
tensorflow-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3

GPU

★注意：原生 Windows 上的 GPU 支持仅适用于 2.10 或更早版本，从 TF 2.11 开始，Windows 不支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow，或者使用 tensorflow-cpu 配合 TensorFlow-DirectML-Plugin。

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow_gpu-2.10.0	3.7-3.10	MSVC 2019	Bazel 5.1.1	8.1	11.2
tensorflow_gpu-2.9.0	3.7-3.10	MSVC 2019	Bazel 5.0.0	8.1	11.2
tensorflow_gpu-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1	8.1	11.2
tensorflow_gpu-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7.2	9.0
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

2. 第三方验证配置

2.1 官方TensorFlow

贴几个官网没有的配置表

Version	Python version	cuDNN	CUDA
tensorflow-2.9	3.8	8.2.1	11.3.1
tensorflow-gpu-2.0.0	3.7	7.6.5（亲测）	10.0.130
tensorflow-gpu==2.0.0-alpha0		7.5.1	10.0
tensorflow_gpu-1.15.0	3.7.11	7.6.0	10.0.130
tensorflow_gpu-1.15.0	3.7.12	7.6.5.32	10.0.130

上面的小版本号个人认为可以忽略不计，可以理解为下表的示例内容，需要注意的是TF1.x已经停止更新故对新硬件（主要是RTX30系列之后的显卡）不支持，故需要使用Nvidia-TensorFlow代替官方版本。

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow_gpu-1.15.0	3.7			7.6	10.0

2.2 Nvidia-TensorFlow

windows 安装方法

人工智能
9 篇文章12 订阅
订阅专栏
目录

前言

一、安装python（也可以用conda安装）

二、安装VS的C++环境

三、安装CUDA

2.1、检查环境

2.2、查看自己是否有NVIDA显卡驱动程序

2.3、查看GPU显卡所支持的CUDA版本

2.4、安装对应版本的CUDA安装包

2.5、选择对应的系统

2.6、运行安装包

2.7、配置Cuda的环境变量

2.8、查看是CUDA是否安装成功

2.9、验证deviceQuery和bandwidthTest

四、安装pytorch

五、运行效果

前言
一年前，安装过cuda，觉得并不难，就没有记录。

这次安装还算顺利，就是在找资料的时候，浪费了不少时间

这次就记录下来，方便以后再次安装

总结安装程序：

1、安装python环境

2、安装VS的C++环境（因为CUDA在安装时，需要VS的里面的工具包来编译。）

3、安装cuda

4、安装pytorch

一、安装python（也可以用conda安装）
直接官网下载：
Python Releases for Windows | Python.org
The official home of the Python Programming Language
https://www.python.org/downloads/windows/

我下载的版本——蓝奏云下载（python3.9.5）：python-3.9.5-amd64.zip - 蓝奏云

进入命令行，输入python，出现这样的界面则表示成功安装

使用conda（Anaconda）的话，可以看看b站的教程（这里就不赘述了）

二、安装VS的C++环境
如果你想用其他版本可以去官网下载：
Downloads & Keys - Visual Studio Subscriptions
https://my.visualstudio.com/Downloads?q=Visual%20Studio%202022

我下载的是：社区免费版VS 2022——VisualStudioSetup.exe

蓝奏云下载2022社区免费版：https://wwm.lanzout.com/i7xQY1ods8xi
密码:6epa

运行安装程序：

然后找到C++桌面开发

建议安装到专门放软件的盘，不要安装到系统盘C，然后点击开始进行安装

安装完后，电脑需要重启，重启后就可以使用了

三、安装CUDA
在安装前，可以先看看这个博客：
理清GPU、CUDA、CUDA Toolkit、cuDNN关系以及下载安装_cudatoolkit-CSDN博客
https://blog.csdn.net/qq_42406643/article/details/109545766

2.1、检查环境
检查是否有NVIDA的独立显卡，前面的VS是否已经安装
2.2、查看自己是否有NVIDA显卡驱动程序
如果没有显卡的控制面板，下载安装：NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

2.3、查看GPU显卡所支持的CUDA版本
控制面板-> 帮助-> 系统信息-> 组件-> 我的是CUDA 12.3

2.4、安装对应版本的CUDA安装包
进入官网：CUDA Toolkit Archive | NVIDIA Developer

2.5、选择对应的系统
如果用离线版本，就有3个G，这里我选择的是在线安装

2.6、运行安装包

自己选择路径：

选择——自定义安装

安装组件，全部勾选，点击下一步

自定义下载路径

建议安装到专门放软件的盘，不要安装到系统盘C

然后慢慢等

之后一直下一步就行了~

2.7、配置Cuda的环境变量
安装完成后，就需要我们配置Cuda的环境变量了

他会自己添加的变量：

先找到我们自定义安装的cuda文件夹

然后添加两个环境变量

相当于，总共有这4个文件夹的~

2.8、查看是CUDA是否安装成功
Win + R 打开cmd ，输入命令：nvcc --version

2.9、验证deviceQuery和bandwidthTest
在命令窗口运行文件

ok！CUDA搞定啦~

四、安装pytorch
我的电脑的cuda版本是12.3的，准备安装pytorch！
目前，官网上没有直接支持cuda 12.3的pytorch版本！
通过翻阅其他博客，博主说cuda是向下兼容的！
我就选择了CUDA 12.1
4.1、通过官网，选择对应版本，然后复制命令，直接下载即可！

不过在这里先pip换源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip config set install.trusted-host mirrors.aliyun.com
同时，再设置一下超时时间，毕竟这个torch有2~3个G（这里就不赘述了，直接放链接，如果超时了，再来设置也行~）

Python——记录pip问题（解决下载慢、升级失败问题）_pip下载太慢-CSDN博客
https://blog.csdn.net/Pan_peter/article/details/129553679

安装完成~

五、运行效果
我把我之前那个项目拿来，跑一下试试~

基于YOLOv8的多端车流检测系统（用于毕设+开源）_yolov8 rtsp-CSDN博客
https://blog.csdn.net/Pan_peter/article/details/132048923

先下载其他库

报错了：type object 'Detections' has no attribute 'from_yolov8'

大佬评论：由于Detection删除了from，所以需要降级，又因为前面的sv调用，所以把supervision降级为0.6.0即可解决pip install supervision==0.6.0

感谢大佬！！！

运行项目：（20多帧，比俺之前只有几帧好多了，啊哈哈~）

用之前的训练demo包试试：

windows使用YOLOv8训练自己的模型（0基础保姆级教学）_windows10使用yolov8常见问题-CSDN博客
https://blog.csdn.net/Pan_peter/article/details/129907710

也可以正常训练

只不过这里遇到了一个小插曲：

报错：RuntimeError: DataLoader worker (pid(s) 20580, 22560, 5668, 18512, 1240, 18208, 22356) exited unexpectedly

他搞了多线程，我直接关闭他，把训练代码改为 workers=0

model.train(data='./data/cat.yaml', epochs=100, imgsz=640, workers=0)

pytorch与cuda版本对应关系汇总

pytorch与cuda版本关系
cuda版本   支持pytorch版本
cuda10.2   1.5 ~ 1.12
cuda11.0   1.7 ~ 1.7.1
cuda11.1   1.8 ~ 1.10.1
cuda11.3   1.8.1 ~ 1.12.1
cuda11.6   1.12.0 ~ 1.13.1
cuda11.7   1.13.0 ~ 2.0.1
cuda11.8   2.0.0 ~ 2.1.1
cuda12.1   2.1.0 ~ 2.1.1
cuda 与 cudnn关系
cuda版本   支持cudnn版本
cuda10.2   v7.6.5 ~ v8.7.0
cuda11.3   v8.2.0 ~ v8.9.6
pytorch 与 python关系
torch   torchvision   Python
main / nightly   main / nightly   >=3.8, <=3.11
2.0   0.15   >=3.8, <=3.11
1.13   0.14   >=3.7.2, <=3.10
1.12   0.13   >=3.7, <=3.10
1.11   0.12   >=3.7, <=3.10
1.10   0.11   >=3.6, <=3.9
1.9   0.10   >=3.6, <=3.9
1.8   0.9   >=3.6, <=3.9
1.7   0.8   >=3.6, <=3.9
1.6   0.7   >=3.6, <=3.8
1.5   0.6   >=3.5, <=3.8
1.4   0.5   ==2.7, >=3.5, <=3.8
1.3   0.4.2 / 0.4.3   ==2.7, >=3.5, <=3.7
1.2   0.4.1   ==2.7, >=3.5, <=3.7
1.1   0.3   ==2.7, >=3.5, <=3.7
<=1.0   0.2   ==2.7, >=3.5, <=3.7

————————————————

安装torch 支持cuda的版本

先开始去官网PyTorch

用这个官网的命令下，一直会把cpu版本的一起下下来，导致运行的时候一直cpu版本而不是gpu版本，torch.cuda.is_available()这个是false，问题很大。

重新去搜了个命令：pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

paddlepadlle和cuda的对应关系

Download cuDNN v8.1.1 (Feburary 26th, 2021), for CUDA 11.0,11.1 and 11.2
Download cuDNN v8.1.1 [Feburary 26th, 2021), for CUDA 10.2
Download cuDNN v8.1.0 [January 26th, 2021). for CUDA 11.0.11.1 and 11.2
Download cuDNN v8.1.0 (January 26th, 2021), for CUDA 10.2
Download cuDNN v8.0.5 [November 9th, 2020), for CUDA 11.1
Download cuDNNv8.0.5 (November 9th,2020).for CUDA 11.0
Download cuDNN v8.0.5 (November 9th, 2020),for CUDA 10.2
Download cuDNN v8.0.5 [November 9th, 2020).for CUDA 10.1
Download cuDNN v8.0.4 [September 28th,2020).for CUDA 11.1
Download cuDNN v8.0.4 [September 28th, 2020),for CUDA 11.0
Download cuDNN v8.0.4 [September 28th,2020).for CUDA 10.2
Download cuDNN v8.0.4 [September 28th, 2020].for CUDA 10.1
Download cuDNN v8.0.3 (August 26th,2020).for CUDA 11.0
Download cuDNN v8.0.3 [August 26th,2020).for CUDA 10.2
Download cuDNN v8.0.3 (August 26th,2020),for CUDA 10.1
Download cuDNN v8.0.2[Juty 24th,2020), for CUDA 11.0
Download cuDNN v8.0.2 [July 24th,2020),for CUDA 10.2

Download cuDNN v8.0.2 [July 24th,2020),for CUDA 10.1
Download cuDNN v8.0.1 RC2 [June 26th,2020), for CUDA 11.0
Download cuDNN v8.0.1 RC2 (June 26th,2020).for CUDA 10.2
Download cuDNN v7.6.5 [November 18th, 2019]. for CUDA 10.2
Download cuDNN v7.6.5 (November 5th, 2019).for CUDA 10.1
Download cuDNN v7.6.5 (November 5th, 2019),for CUDA 10.0
Download cuDNN v7.6.5 [November 5th, 2019]. for CUDA 9.2
Download cuDNN v7.6.5 [November 5th,2019), for CUDA 9.0
Download cuDNN v7.6.4 (September 27,2019), for CUDA 10.1
Download cuDNN v7.6.4 [September 27,2019). for CUDA 10.0
Download cuDNN v7.6.4 (September 27.2019]. for CUDA 9.2
Download cuDNN v7.6.4 [September 27, 2019), for CUDA 9.0
Download cuDNN v7.6.3 (August 23, 2019).for CUDA 10.1
Download cuDNN v7.6.3 [August 23,2019].for CUDA 10.0
Download cuDNN v7.6.3 (August 23,2019). for CUDA 9.2
Download cuDNN v7.6.3 [August 23,2019).for CUDA 9.0
Download cuDNN v7.6.2 [July 22,2019). for CUDA 10.1

--------

paddlepaddle-gpu==X.X.X.postXX 其中post后的两个XX分别代表CUDA版本，CUDNN版本。

paddlepaddle-gpu==1.5.1.post87 代表CUDA版本8，CUDNN版本7.X

paddlepaddle-gpu==1.5.1.post97 代表CUDA版本9，CUDNN版本7.X

paddlepaddle-gpu==1.5.1.post107 代表CUDA版本10，CUDNN版本7.X

paddlepaddle2.52 ==>cuda11.8
paddlepaddle2.62 ==>cuda12.4

python=3.7 paddlepaddle-gpu =2.4 cuda =11.7 cudnn=8.4.1

paddlepaddle-gpu2.3、cuda10.2、cudnn7.6.5。

2025年最新 Tensorflow paddlepaddle与CUDA 、Python、cuDNN的版本对应表 一一对应关系,torch和CUDA的对应表

cuda版本查看 nvcc -V

1. 官方配置

经过测试的构建配置

Linux

CPU

GPU

macOS

CPU

GPU

经过测试的构建配置

Windows

CPU

GPU

2. 第三方验证配置

2.1 官方TensorFlow

贴几个官网没有的配置表

2.2 Nvidia-TensorFlow

windows 安装方法

pytorch与cuda版本对应关系汇总

安装torch 支持cuda的版本

paddlepadlle和cuda的对应关系

2025年最新 Tensorflow paddlepaddle与CUDA 、Python、cuDNN的版本对应表一一对应关系,torch和CUDA的对应表