tensorflow版本对应cuda，cudnn版本官方文档

最新推荐文章于 2025-10-08 19:54:09 发布
原创 最新推荐文章于 2025-10-08 19:54:09 发布 · 6.1k 阅读 · 5 ·
CC 4.0 BY-SA版权
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。
文章标签：

#tensorflow #cuda #cudnn #版本 #linux

本文详细介绍了截至2020年3月12日，在Linux环境下TensorFlow版本与Python、编译器、CUDA、cuDNN版本之间的对应关系，以及显卡驱动与CUDA和cuDNN的匹配情况。
部署运行你感兴趣的模型镜像

linux下：截止2020.03.12号tensorflow版本对应的python版本，编译器版本。cuda，cudnn版本，如下

windos，macos及更新的版本对应信息可直接查看官方文档

显卡驱动与cuda和cudnn的对应关系

 

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

Anaconda Python 版本对应关系表（附所有版本下载）
清平乐的技术专栏
06-05 3万+
一、对应版本 首先解释一下上表。 anaconda在每次发布新版本的时候都会给python3和python2都发布一个包，版本号是一样的。 表格中，python版本号下方的离它最近的anaconda包就是包含它的版本。 举个例子，假设你想安装python2.7.14，在表格中找到它，它下方的三个anaconda包（anaconda2-5.0.1、5.1.0、5.2.0）都包含python2.7....
Windows安装GPU版本的tensorflow+CUDA+CUDNN（超详细）
m0_46093829的博客
02-12 6566
查看自己的Windows电脑是否成功安装了CUDA 第一步：同时按键盘上的“windows键+R”，输入“cmd”并回车，进入windows的命令行界面。 第二步：命令行里输入“nvcc -V”并回车 第三步：如果已经成功安装CUDA的话，会显示CUDA的版本号的。 安装CUDA 首先，查看电脑的NVIDIA 版本是否支持CUDA 以及能够配置的CUDA 版本 方法： 在桌面空白处单击右键，打开英伟达控制面板，如果找不到可以参考如下网址win10 nvidia控制面板怎么打开,wi...
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
【TensorFlow】TensorFlow与cuda版本以及Keras版本以及python版本对应关系（2022年6月 附官网链接，永久更新）
TangPlusHPC的博客
06-10 3万+
要让一个基于keras开发的深度学习模型正确运行起来，配置环境真让人头大，本文就介绍了TensorFlow与cuda版本以及Keras版本以及python版本对应关系，方便查找。 此处省略，可自行点击超链接。 例如我要安装1.14.0 GPU版本的TensorFlow，查表可得对应Keras版本为2.2.5，语句如下 CUDA和CUDNN的安装见我的另一篇博客：如果你有同时在一台机器上安装两个版本的CUDA和CUDNN的需求，可以参考我的另一篇博客：CUDA和CUDNN的版本对应关系见我的另一篇博客
深度学习篇---版本对应问题
道阻且长，行则将至。
10-08 1094
深度学习工具链版本匹配至关重要，PyTorch/TensorFlow、CUDA、cuDNN和GPU驱动需严格对应。版本不匹配会导致运行错误、性能下降或计算结果异常。关键关系包括：1）深度学习框架与CUDA版本绑定；2）CUDA版本需适配GPU驱动；3）cuDNN必须与CUDA完全匹配。最佳实践建议：自上而下选择版本、保持驱动更新、使用conda管理依赖、为每个项目创建独立虚拟环境。全新安装时推荐先更新驱动再安装框架，已有环境应通过虚拟环境隔离不同版本需求。定期查阅官方文档可避免常见兼容性问题。
安装tensorflow GPU版本--tensorflow-gpu版本与CUDA版本对应关系（持续更新，目前到TF2.10.1）
sunmingyang1987的博客
11-02 11万+
一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错 （1）确定自己要安装哪个版本的tensorflow-gpu； （1）根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本； （2）根据要安装的CUDA版本确定要下载的Cudnn版本。 二、tensorflow-gpu版本与CUDA版本对应关系 不同版本的tensorflow-gpu与CUDA对应关...
Tensorflow与Python、CUDA、cuDNN的版本对应表
LanSeShuiBeiHD的专栏
05-14 7307
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。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。TensorFlow，或者使用 tensorflow-cpu 配合 TensorFlow-DirectML-Plugin。
环境-Tensorflow CUDA CUDNN版本关联
最新发布
11-11
四、下载资源链接如下：其中，Linux系统推荐使用官方提供的测试构建配置文档；macOS平台需要下载对应的开发文档包；Windows用户则可从阿里云镜像站点获取稳定版本的资源包以确保快速访问和便捷下载。CUDA框架的下载...
win11适配的tensorflow-gpu CUDA cudnn版本
10-29
通常来说，TensorFlow 官方推荐使用 NVIDIA 官方发布的最新稳定版 CUDA 及对应的 cuDNN。 CUDA (Compute Unified Device Architecture) 是 NVIDIA 提供的一种并行计算平台和编程模型，用于加速 NVIDIA GPU 上的计算...
tensorflow各版本支持的CUDA和CUDNN版本
Samuel'C blog
07-13 8742
tensorflow各版本支持的CUDA和CUDNN版本 出处：Tensorflow官方文档 CUDA各版本下载地址 CUDNN各版本下载地址 NVIDIA驱动下载 基本概念 博客 CUDA：用于GPU编程的语言，跑TF的时候用了GPU，TF里面很多函数（或者依赖库）是CUDA语言编写的。不同TF版本需要不同的CUDA。 CUDNN：NVIDIA为深度学习，矩阵运算写的一个加速库。CUDA版本必须和cuDNN版本匹配。cuDNN和TF版本匹配与否则无所谓（不过CUDA和TF版本必须匹配，所以cuDNN版本和
Tensorflow与CUDA、cudnn版本对应关系，请具体用表格告诉我
07-07
以下是TensorFlow与CUDA、cuDNN版本的对应关系： | TensorFlow版本 | 支持的CUDA版本 | 支持的cuDNN版本 | |--------------|------------|------------| | TensorFlow 2.5.0 | CUDA 11.2 | cuDNN 8.1 | | ...
[环境配置][原创]pytorch torchvision tensorflow cuda python对应表
FL1623863129的博客
10-15 1万+
pytorch版本 torchvision版本 cuda版本 python版本 备注 0.4.0 0.2.2 Cuda8.0/9.0/9.1 [3.5,3.7] 0.4.1 0.2.2 Cuda8.0/9.0/9.2 ...
[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。
tensorflow各个版本的CUDA以及Cudnn版本对应关系（重点）
Fighting Hua
07-04 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...
tensorflow版本与CUDA的版本对应关系&&查看cuda，cudnn版本
swrdzwj的博客
06-08 8066
对应关系：https://tensorflow.google.cn/install/source 1、查看cuda版本 cat /usr/local/cuda/version.txt 2、查看cudnn版本 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
tensorflow各个版本的CUDA以及Cudnn版本对应关系
热门推荐
MIss-Y的博客
04-08 49万+
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...
tensorflow CUDA cudnn 版本对应关系
看风起云落的博客
03-11 483
tensorflow CUDA cudnn 版本对应关系
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表
不能将运气当成战略！
08-27 1万+
评论 1
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