安装tensorflow要注意cuda版本

最新推荐文章于 2024-07-01 22:10:57 发布
最新推荐文章于 2024-07-01 22:10:57 发布
阅读量1k 收藏 1
点赞数
CC 4.0 BY-SA版权
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-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.youkuaiyun.com/ChuanshengWang/article/details/122693521
本文介绍了如何通过清华源正确安装TensorFlow GPU版本的过程。强调了CUDA版本与TensorFlow版本匹配的重要性，避免出现无法导入的问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

虽然 网站：https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow-gpu
中并不会注明tensorflow对应的版本，但是自己要去别的网站上查一下。

如果cuda版本跟tensorflow版本不对应，那么最终安装上的tensorflow也无法import。

CIP等风
关注
【深度学习】TensorFlow（cuda版）安装以及对应第三方库安装流程
qq_42513876的博客
09-28 7219
本教程将指导您如何在Anaconda环境中安装TensorFlow（CUDA版本），并配置所需的三方组件，包括CUDA Toolkit、cuDNN、protobuf等。（参考b站视频：BV1rd4y187nM）
[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
docker安装
eudemonia
09-09 356
1.版本校验： 目前，CentOS 仅发行版本中的内核支持 Docker。Docker 运行在 CentOS 7 上，要求系统为64位、系统内核版本为 3.10 以上。Docker 运行在 CentOS-6.5 或更高的版本的 CentOS 上，要求系统为64位、系统内核版本为 2.6.32-431 或者更高版本。 命令：uname -r 校验Linux内核版本（3.10以上版本） 从 2017 年 3 月开始 docker 在原来的基础上分为两个分支版本: Docker CE 和 Docker EE。
Tensorflow cuda cudnn版本对应
LiuKe369的博客
07-13 769
Linux-GPU Linux Mac-GPU Mac
cudnn cuda tensorflow 版本对应
大西瓜不甜的博客
05-16 510
linux下： windows下： 上面两张图是在这里找到的：https://tensorflow.google.cn/install/source（右上角language选English）
tensorflow gpu对应的cuda版本
qq_18256855的博客
08-03 2546
无
Windows下安装Tensorflow1.12.0+CUDA+CUDNN
luminghao98的博客
04-20 1696
博主由于毕设原因，要做机器学习相关的东西，导致需要安装tensorflow和keras，这里推荐大家安装GPU版本的。 一，安装anaconda 首先是需要配置环境，环境上安装anaconda3，各位下载的时候，请注意不要安装最新的，因为最新的anconda里面python是3.7的，而python3.7支持的tensorflow版本比较高。我个人选择安装python3.6的。够用...
tensorflow安装教程(GPU版本 Win11 anaconda tensorflow2.9 python3.8 cuda11.2)
最新发布
zqt14t的博客
07-01 4032
联想拯救者Y7000P 显卡：英伟达4060 系统：Win11。
ubuntu下配置tensorflow 2.9.0+cuda 11.2 + cudnn 8.1.1
weixin_51637046的博客
03-04 832
安装tensorflow之前要看miniconda是否对应的是python3.9版本的，否则下面的命令中创建和安装python3.9要更改成你安装的python版本。拉到最下面有教程，这里我修改了一点在/usr/src路径下将cudnn_samples_v8文件复制到主目录，官方是v9，我这里为了配合cuda11.2是v8。后面就是选择continue，输入accpet，然后记得把驱动按enter勾选掉即可。安装nvidia驱动可以从软件和更新-附加驱动处完成安装。自己选择适合自己的，下面是我的配置。
TensorFlow1.2~2.1各个GPU版本CUDA和cuDNN对应版本合集
weixin_43644231的博客
03-04 6378
TensorFlow版本 CUDA版本 cuDNN版本 1.2 CUDA Toolkit 8.0 cuDNN v5.1 1.3 CUDA Toolkit 8.0 cuDNN v6 or v6.1 1.4 CUDA Toolkit 8.0 cuDNN v6.1 1.5 CUDA Toolkit 9.0 cuDNN v7.0 1.6 CUDA Toolkit 9.0 c...
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
tensorflow1.12支持cuda10
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.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 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： bazel build --config=opt --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
安装tensorflow的GPU版本（详细图文教程）--CUDA11.6的安装
热门推荐
Aaron的博客
06-14 4万+
TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Google brain team进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数据叫做tensor, 表示张量, 即N维数据, tensor在数据流图中流动表示计算的过程, 这也是tensorflow名字的由来.支持多种平台，GPU、CPU、移动设备tensorflow特性:在官网可以下载python3.9并安装好。这里我就
TensorFlow 各平台对应CUDA、CUDNN版本
showley2008的专栏
12-19 222
tensorflow与cuda、cudnn版本对应
张幺幺的博客——学习记录
10-04 550
cpu版tensorflow版本对应信息请看官网链接 windows 官网地址：windows端tensorflow版本对应 linux 官网地址：linux端tensorflow版本对应
TensorFlow GPU版本 CUDA与cuDNN 安装
Bing_GoGo技术博客
03-28 783
下载cuDNN https://developer.nvidia.com/rdp/cudnn-download 下载对应的CUDA版本 https://developer.nvidia.com/cuda-toolkit-archive 安装CUDA 解压cuDNN相应文件放入CUDA目录
tensorflow-gpu版本CUDA,cudnn安装
weixin_45794727的博客
09-14 274
tensorflow-gpu的版本与python的版本还有cuda,cudnn的版本只有一一对应才能成功 我使用 tensorflow-gpu=2.0.0 python=3.6 cuda=10.0 cudnn=7.6.4 首先在Anoconda中创建名为tensorflow的环境 之后点击三角形，open teiminal 进入下图界面 安装tensorflow2.0.0 先输入pip install tensorflow-gpu==2.0.0 -i https://pypi.douban.com/si
Tensorflow与cuda版本关系（附加多个cuda版本安装）
weixin_42206075的博客
02-18 1万+
Tensorflow与cuda版本关系（附加多个cuda版本安装） 多说一句 如果，在网上down的代码用的tf的版本与你本机cuda不一致的话，可以在本机安装多个cuda版本，到时候再根据你自己的项目来选择使用哪个版本的cuda（就我本机win10为栗子） 1.安装cuda，这一步在网上太多教程，随便找个就行（cuda安装教程（windows）） 2.一般来说，如果cuda默认安装，路径应该与我上面贴出来的图中的路径一致：C:\Program Files\NVIDIA GPU Computing To
TensorFlow 与 cuda 版本对照表 + cuda 下载安装+ 查看是否安装 + cuda 错误
weixin_52126591的博客
03-04 1725
• tensorflow 与 cuda版本对照表• cudnn 清华源查看版本错误方法：nvidia-smi 可驱动的最高版本为11.5 下载的cuda的版本应低于11.5正确方法：nvcc --version检查它们是否安装成功。1 .首先 win+R 进入cmd，在命令行输入nvcc -V，如下图所示，则表示cuda已经安装成功。
tensorflow2.9.0对应cuda版本
06-02
如果您要使用TensorFlow 2.9.0，建议使用其中之一的CUDA版本，以获得最佳的兼容性和稳定性。请注意，虽然TensorFlow也可以通过源代码编译来支持其他版本的CUDA，但这并不是官方支持的版本，可能存在兼容性和稳定性...
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