《软件安装与使用教程》— 三大操作系统的Anaconda版本与Python版本对照表

Anaconda版本与Python版本对应表

关于Anaconda

Anaconda是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。 包含了大量的科学包,一次安装减少了后续很多再去安装第三方包和依赖等。Anaconda 个人版是世界上最受欢迎的 Python 分发平台,在全球拥有超过 2500 万用户。Anaconda 是 Python 数据科学开发的首选平台。开源个人版(分发版)是在单台机器上执行 Python/R 数据科学和机器学习的最简单方法。它是为独立从业者开发的工具包,可以使用数千个开源包和库。

更多信息

Anaconda安装教程以及搭建python开发环境,可参考下面一篇博客:

《Python教程》— Windows操作系统快速安装Anaconda搭建Python3开发环境
https://blog.youkuaiyun.com/meenr/article/details/121452678

=======================
其他更多Python学习教程、代码、资料等信息参见另一篇文章:
博客地址
https://blog.youkuaiyun.com/meenr/article/details/121452685

=======================
除此之外还有Anaconda官方文档可查阅:
https://docs.anaconda.com/#
https://docs.anaconda.com/anaconda/packages/oldpkglists/

Anaconda版本与Python版本对应表

下面是Anaconda发行的部分版本与Python版本及操作系统之间的对应关系。

Anaconda 2.0.1 对应 Python2.6

Anaconda 2.0.1 对应 Python2.7

Anaconda 2.0.1 对应 Python3.3

Anaconda 2.0.1 对应 Python3.4

Anaconda 2.1.0 对应 Python2.6

Anaconda 2.1.0 对应 Python2.7

Anaconda 2.1.0 对应 Python3.3

Anaconda 2.1.0 对应 Python3.4

Anaconda 2.2.0 对应 Python2.6

Anaconda 2.2.0 对应 Python2.7

Anaconda 2.2.0 对应 Python3.3

Anaconda 2.2.0 对应 Python3.4

Anaconda 2.3.0 对应 Python2.6

Anaconda 2.3.0 对应 Python2.7

Anaconda 2.3.0 对应 Python3.3

Anaconda 2.3.0 对应 Python3.4

Anaconda 2.4.0 对应 Python2.7

Anaconda 2.4.0 对应 Python3.4

Anaconda 2.4.0 对应 Python3.5

Anaconda 2.4.1 对应 Python2.7

Anaconda 2.4.1 对应 Python3.4

Anaconda 2.4.1 对应 Python3.5

Anaconda 2.5.0 对应 Python2.7

Anaconda 2.5.0 对应 Python3.4

Anaconda 2.5.0 对应 Python3.5

Anaconda 4.0.0 对应 Python2.7

Anaconda 4.0.0 对应 Python3.4

Anaconda 4.0.0 对应 Python3.5

Anaconda 4.1.0 对应 Python2.7

Anaconda 4.1.0 对应 Python3.4

Anaconda 4.1.0 对应 Python3.5

Anaconda 4.1.1 对应 Python2.7

Anaconda 4.1.1 对应 Python3.4

Anaconda 4.1.1 对应 Python3.5

Anaconda 4.2.0 对应 Python2.7

Anaconda 4.2.0 对应 Python3.4

Anaconda 4.2.0 对应 Python3.5

Anaconda 4.3.0 对应 Python2.7

Anaconda 4.3.0 对应 Python3.4

Anaconda 4.3.0 对应 Python3.5

Anaconda 4.3.0 对应 Python3.6

Anaconda 4.3.1 对应 Python2.7

Anaconda 4.3.1 对应 Python3.4

Anaconda 4.3.1 对应 Python3.5

Anaconda 4.3.1 对应 Python3.6

Anaconda 4.4.0 对应 Python2.7

Anaconda 4.4.0 对应 Python3.5

Anaconda 4.4.0 对应 Python3.6

Windows系统

Anaconda 5.0.0 对应 32位 Windows Python2.7

Anaconda 5.0.0 对应 64位 Windows Python2.7

Anaconda 5.0.0 对应 32位 Windows Python3.5

Anaconda 5.0.0 对应 64位 Windows Python3.5

Anaconda 5.0.0 对应 32位 Windows Python3.6

Anaconda 5.0.0 对应 64位 Windows Python3.6

Anaconda 5.0.1 对应 32位 Windows Python2.7

Anaconda 5.0.1 对应 64位 Windows Python2.7

Anaconda 5.0.1 对应 32位 Windows Python3.5

Anaconda 5.0.1 对应 64位 Windows Python3.5

Anaconda 5.0.1 对应 32位 Windows Python3.6

Anaconda 5.0.1 对应 64位 Windows Python3.6

Anaconda 5.1.0 对应 32位 Windows Python2.7

Anaconda 5.1.0 对应 64位 Windows Python2.7

Anaconda 5.1.0 对应 32位 Windows Python3.5

Anaconda 5.1.0 对应 64位 Windows Python3.5

Anaconda 5.1.0 对应 32位 Windows Python3.6

Anaconda 5.1.0 对应 64位 Windows Python3.6

Anaconda 5.2.0 对应 32位 Windows Python2.7

Anaconda 5.2.0 对应 64位 Windows Python2.7

Anaconda 5.2.0 对应 32位 Windows Python3.5

Anaconda 5.2.0 对应 64位 Windows Python3.5

Anaconda 5.2.0 对应 32位 Windows Python3.6

Anaconda 5.2.0 对应 64位 Windows Python3.6

Anaconda 5.3.0 对应 32位 Windows Python2.7

Anaconda 5.3.0 对应 64位 Windows Python2.7

Anaconda 5.3.0 对应 32位 Windows Python3.6

Anaconda 5.3.0 对应 64位 Windows Python3.6

Anaconda 5.3.0 对应 32位 Windows Python3.7

Anaconda 5.3.0 对应 64位 Windows Python3.7

Anaconda 2018.12 对应 32位 Windows Python2.7

Anaconda 2018.12 对应 64位 Windows Python2.7

Anaconda 2018.12 对应 32位 Windows Python3.6

Anaconda 2018.12 对应 64位 Windows Python3.6

Anaconda 2018.12 对应 32位 Windows Python3.7

Anaconda 2018.12 对应 64位 Windows Python3.7

Anaconda 2019.03 对应 32位 Windows Python2.7

Anaconda 2019.03 对应 64位 Windows Python2.7

Anaconda 2019.03 对应 32位 Windows Python3.6

Anaconda 2019.03 对应 64位 Windows Python3.6

Anaconda 2019.03 对应 32位 Windows Python3.7

Anaconda 2019.03 对应 64位 Windows Python3.7

Anaconda 2019.07 对应 32位 Windows Python2.7

Anaconda 2019.07 对应 64位 Windows Python2.7

Anaconda 2019.07 对应 32位 Windows Python3.6

Anaconda 2019.07 对应 64位 Windows Python3.6

Anaconda 2019.07 对应 32位 Windows Python3.7

Anaconda 2019.07 对应 64位 Windows Python3.7

Anaconda 2019.10 对应 32位 Windows Python2.7

Anaconda 2019.10 对应 64位 Windows Python2.7

Anaconda 2019.10 对应 32位 Windows Python3.6

Anaconda 2019.10 对应 64位 Windows Python3.6

Anaconda 2019.10 对应 32位 Windows Python3.7

Anaconda 2019.10 对应 64位 Windows Python3.7

Anaconda 2020.02 对应 32位 Windows Python3.6

Anaconda 2020.02 对应 64位 Windows Python3.6

Anaconda 2020.02 对应 32位 Windows Python3.7

Anaconda 2020.02 对应 64位 Windows Python3.7

Anaconda 2020.02 对应 32位 Windows Python3.8

Anaconda 2020.02 对应 64位 Windows Python3.8

Mac系统

Anaconda 5.0.0 对应 macOS Python2.7

Anaconda 5.0.0 对应 macOS Python3.5

Anaconda 5.0.0 对应 macOS Python3.6

Anaconda 5.0.1 对应 macOS Python2.7

Anaconda 5.0.1 对应 macOS Python3.5

Anaconda 5.0.1 对应 macOS Python3.6

Anaconda 5.1.0 对应 macOS Python2.7

Anaconda 5.1.0 对应 macOS Python3.5

Anaconda 5.1.0 对应 macOS Python3.6

Anaconda 5.2.0 对应 macOS Python2.7

Anaconda 5.2.0 对应 macOS Python3.5

Anaconda 5.2.0 对应 macOS Python3.6

Anaconda 5.3.0 对应 macOS Python2.7

Anaconda 5.3.0 对应 macOS Python3.6

Anaconda 5.3.0 对应 64位 macOS Python3.7

Anaconda 2018.12 对应 macOS Python2.7

Anaconda 2018.12 对应 macOS Python3.6

Anaconda 2018.12 对应 macOS Python3.7

Anaconda 2019.03 对应 macOS Python2.7

Anaconda 2019.03 对应 macOS Python3.6

Anaconda 2019.03 对应 macOS Python3.7

Anaconda 2019.07 对应 macOS Python2.7

Anaconda 2019.07 对应 macOS Python3.6

Anaconda 2019.07 对应 macOS Python3.7

Anaconda 2019.10 对应 macOS Python2.7

Anaconda 2019.10 对应 macOS Python3.6

Anaconda 2019.10 对应 macOS Python3.7

Anaconda 2020.02 对应 macOS Python3.6

Anaconda 2020.02 对应 macOS Python3.7

Anaconda 2020.02 对应 macOS Python3.8

Linux系统

Anaconda 5.0.0 对应 32位 Linux Python2.7

Anaconda 5.0.0 对应 64位 Linux Python2.7

Anaconda 5.0.0 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 5.0.0 对应 32位 Linux Python3.5

Anaconda 5.0.0 对应 64位 Linux Python3.5

Anaconda 5.0.0 对应 64位 Linux on IBM Power处理器Python3.5

Anaconda 5.0.0 对应 32位 Linux Python3.6

Anaconda 5.0.0 对应 64位 Linux Python3.6

Anaconda 5.0.0 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 5.0.1 对应 32位 Linux Python2.7

Anaconda 5.0.1 对应 64位 Linux Python2.7

Anaconda 5.0.1 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 5.0.1 对应 32位 Linux Python3.5

Anaconda 5.0.1 对应 64位 Linux Python3.5

Anaconda 5.0.1 对应 64位 Linux on IBM Power处理器Python3.5

Anaconda 5.0.1 对应 32位 Linux Python3.6

Anaconda 5.0.1 对应 64位 Linux Python3.6

Anaconda 5.0.1 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 5.1.0 对应 32位 Linux Python2.7

Anaconda 5.1.0 对应 64位 Linux Python2.7

Anaconda 5.1.0 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 5.1.0 对应 32位 Linux Python3.5

Anaconda 5.1.0 对应 64位 Linux Python3.5

Anaconda 5.1.0 对应 64位 Linux on IBM Power处理器Python3.5

Anaconda 5.1.0 对应 32位 Linux Python3.6

Anaconda 5.1.0 对应 64位 Linux Python3.6

Anaconda 5.1.0 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 5.2.0 对应 32位 Linux Python2.7

Anaconda 5.2.0 对应 64位 Linux Python2.7

Anaconda 5.2.0 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 5.2.0 对应 32位 Linux Python3.5

Anaconda 5.2.0 对应 64位 Linux Python3.5

Anaconda 5.2.0 对应 64位 Linux on IBM Power处理器Python3.5

Anaconda 5.2.0 对应 32位 Linux Python3.6

Anaconda 5.2.0 对应 64位 Linux Python3.6

Anaconda 5.2.0 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 5.3.0 对应 32位 Linux Python2.7

Anaconda 5.3.0 对应 64位 Linux Python2.7

Anaconda 5.3.0 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 5.3.0 对应 32位 Linux Python3.6

Anaconda 5.3.0 对应 64位 Linux Python3.6

Anaconda 5.3.0 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 5.3.0 对应 32位 Linux Python3.7

Anaconda 5.3.0 对应 64位 Linux Python3.7

Anaconda 5.3.0 对应 64位 Linux on IBM Power处理器Python3.7

Anaconda 2018.12 对应 32位 Linux Python2.7

Anaconda 2018.12 对应 64位 Linux Python2.7

Anaconda 2018.12 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 2018.12 对应 32位 Linux Python3.6

Anaconda 2018.12 对应 64位 Linux Python3.6

Anaconda 2018.12 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 2018.12 对应 32位 Linux Python3.7

Anaconda 2018.12 对应 64位 Linux Python3.7

Anaconda 2018.12 对应 64位 Linux on IBM Power处理器Python3.7

Anaconda 2019.03 对应 64位 Linux Python2.7

Anaconda 2019.03 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 2019.03 对应 64位 Linux Python3.6

Anaconda 2019.03 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 2019.03 对应 64位 Linux Python3.7

Anaconda 2019.03 对应 64位 Linux on IBM Power处理器Python3.7

Anaconda 2019.07 对应 64位 Linux Python2.7

Anaconda 2019.07 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 2019.07 对应 64位 Linux Python3.6

Anaconda 2019.07 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 2019.07 对应 64位 Linux Python3.7

Anaconda 2019.07 对应 64位 Linux on IBM Power处理器Python3.7

Anaconda 2019.10 对应 64位 Linux Python2.7

Anaconda 2019.10 对应 64位 Linux on IBM Power处理器Python2.7

Anaconda 2019.10 对应 64位 Linux Python3.6

Anaconda 2019.10 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 2019.10 对应 64位 Linux Python3.7

Anaconda 2019.10 对应 64位 Linux on IBM Power处理器Python3.7

Anaconda 2020.02 对应 64位 Linux Python3.6

Anaconda 2020.02 对应 64位 Linux on IBM Power处理器Python3.6

Anaconda 2020.02 对应 64位 Linux Python3.7

Anaconda 2020.02 对应 64位 Linux on IBM Power处理器Python3.7

Anaconda 2020.02 对应 64位 Linux Python3.8

Anaconda 2020.02 对应 64位 Linux on IBM Power处理器Python3.8

### 如何确定并安装适合当前CUDA版本的cuDNN #### 查看已有的CUDA版本 为了确保安装合适的cuDNN版本,首先要确认现有的CUDA版本。需要注意的是`nvidia-smi`命令显示的CUDA版本并不是系统中实际安装的CUDA版本,而是所使用的驱动程序能够支持的最CUDA版本[^2]。 对于Anaconda环境中特定虚拟环境下的CUDA版本查询,则可以通过激活该虚拟环境之后运行Python脚本利用`torch.cuda.is_available()`以及`torch.version.cuda`来获取PyTorch识别到的CUDA版本信息;如果是为了TensorFlow项目准备的话可以尝试导入tensorflow模块并通过`tf.config.list_physical_devices('GPU')`和`tf.__version__`配合官方文档中的版本对应表来进行判断[^1]。 #### 参考兼容性列表选择cuDNN 一旦明确了所需的CUDA版本,在NVIDIA官方网站上提供了详细的CUDA ToolkitcuDNN SDK之间的兼容性对照表格。访问[NVIDIA cuDNN Archive](https://developer.nvidia.com/rdp/cudnn-archive),在这里可以根据自己的需求挑选对应的cuDNN版本下载链接。页面内不仅列出了各个cuDNN版本所能匹配的不同CUDA工具包版本范围,还包含了针对不同操作系统的预编译二进制文件供用户下载[^3]。 #### 安装选定的cuDNN库 当选择了正确的cuDNN版本后,按照个人操作系统的要求完成相应的解压、复制头文件(.h)至CUDA include目录下、共享对象文件(.so,.dll)放置于lib路径之中即可实现基本集成工作。对于采用Conda管理软件包的情况来说,可以直接通过命令行执行如下指令简化整个流程: ```bash conda install cudatoolkit=指定版本号 cudnn -c nvidia ``` 上述方法适用于希望在一个隔离良好的开发环境中快速部署所需依赖项而不影响全局设置的情形。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

SunAqua

您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
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