【深度学习】TensorFlow版本概述

最新推荐文章于 2022-01-05 16:29:38 发布

Beb1997

最新推荐文章于 2022-01-05 16:29:38 发布

阅读量2.2k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：人工智能文章标签： tensorflow版本 AVX指令集 TensorFlow与python、cuDNN、CUDA版本匹配 TensorFlow版本匹配表 tensorlayer

本文链接：https://blog.youkuaiyun.com/qq_28869927/article/details/84785176

27 篇文章

订阅专栏

本文解决了一台不支持AVX指令集的老机器上安装TensorFlow的问题，提供了安装旧版本TensorFlow的解决方案，并给出了CUDA和cuDNN的版本对照表，以防安装时版本不匹配。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

AVX指令集

AVX指令集是一种较新的指令集，可以加速TensorFlow任务的执行速度。TensorFlow从version 1.6 开始默认从AVX编译二进制文件，所以现在通过pip install tensorflow默认安装支持AVX的TensorFlow版本。

今天恰好为一台老机器（core-i3）安装TensorFlow cpu版本，安装完成之后，运行示例程序提示错误：

The TensorFlow library was compiled to use AVX instructions, but these aren't available on your machine.

即此cpu不支持AVX指令集。

上网搜索问题答案，恰恰搜索出的结果都是：你的机器支持AVX指令集，但安装的TensorFlow未使用AVX。如何消除一大堆运行时的警告？这里也搬运一下警告的解决方法：

# 程序开始时添加
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

这里为使用老机器的玩家们提供解决不使用AVX指令集的方法方法！！！

安装TensorFlow 1.5及之前的版本即可。

pip install tensorflow==1.5.0

对于TensorFlow-gpu版需要CUDA和cuDNN这两个工具，安装的时候版本如果未对应，运行时将会出现错误。
下面给出TensorFlow 1.11及其之前版本和CUDA、cuDNN的版本对照关系，防止大家安装的时候踩坑：

Version	Python version	Compiler	Build tools	cuDNN	CUDA
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

Version	Python version	Compiler	Build tools	cuDNN	CUDA
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

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

TensorFlow版本发布历史：https://pypi.org/project/tensorflow/#history
可以在这个网站找寻你需要的版本。

按照TensorLayer官网文档安装：

pip install git+https://github.com/zsdonghao/tensorlayer.git

安装的是最新版的TensorLayer，需要TensorFlow 1.6.0以上版本支持。

如上文所述，由于老机器不支持AVX指令集，不得不安装了TensorFlow 1.5 版本，这里也得安装对应的TensorLayer版本。我这里选择的是TensorLayer 1.5：

sudo pip install tensorlayer==1.5

P.S. 装TensorFlow踩过一些坑，特此记录，希望能帮助后来的其他筒子。