从源代码编译TensorFlow，支持CUDA 10.0

最新推荐文章于 2025-06-02 09:05:46 发布
最新推荐文章于 2025-06-02 09:05:46 发布
阅读量1.5k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 软件安装 TensorFlow 文章标签： TensorFlow
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/wsgdss/article/details/87973863
在CUDA 10.0环境下，官方TensorFlow版本不兼容。本文详细记录了从源代码编译TensorFlow以支持CUDA 10.0的过程，包括安装Python、pip、bazel、NVIDIA驱动、CUDA、cuDNN、TensorRT，以及编译和测试TensorFlow的步骤。遇到的版本匹配问题和解决方法也在文中提及。

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

目录

CUDA早已推出9.2甚至10.0, 官方发布的编译好之后的TensorFlow却仍然只支持CUDA 9.0。要想让TensorFlow支持CUDA 10.0, 需要自行从源代码编译。编译过程中有诸多坑，权且记录在此。

平台和版本

64位CentOS 7.6，内核版本3.10，CUDA 10.0, cuDNN 7.5, python 3.6，gcc 4.8。要注意的版本如下：

  1. numpy: 1.14.5：不能比这个版本高，否则后续编译TensorFlow时会报错，提示版本号要 ≤ \leq ≤ 1.14.5. 安装方法 ：pip3 install numpy==1.14.5；
  2. bazel: 0.18：高于这个版本后续编译会报错：cannot find cudnn.h；
  3. TensorFlow: 1.10：高于该版本，后续编译会报错，具体啥错忘记了；

今天又在Ubuntu 18.04.2，内核4.18，gcc 7.3下面按本文所述流程安装了一遍，除去最后的编译过程中内存被撑爆进入纯文本模式重新进行编译之外（笔记本配置差，伤不起），全程都非常顺利。另外，相比较CentOS，感觉Ubuntu还有一个坑就是很多时候编译过程就可能需要访问只有root权限才能访问的库，故而建议条件允许的话在Ubuntu下以root身份进行编译。

特别感谢

安装过程中除了TensorFlow，CUDA，cuDNN, TensorRT等官方手册或官网外，还从如下网页中获益匪浅，对此深表谢意。

  1. Tensorflow源码编译安装
  2. ./configure中问题的释义
最低0.47元/天 解锁文章

200万优质内容无限畅学
ubuntu18.04+cuda10.0+cudnn7.6.0+tensorflow1.13.1源码编译TensorFlow C++动态链接库
broliao的博客
02-28 1933
一、前言 经过差不多一周的折腾，各种坑，终于成功基于TensorFlow源码编译成c++调用的动态链接库，相当不易，在此总结下整个编译的主要过程。 二、环境 相关安装包的版本对应非常重要，因为我电脑系统(双系统)本身是ubuntu18.04，之前已经安装了TensorFlow1.13.1的python版本，之前是为了调起GPU已经安装了cuda10.0和cudnn7.6.0，所以我是基于这个环境再...
ubuntu 20.04LTS 编译tensorflow C++
Sizaif's 小屋
04-15 1110
ubuntu 20.04LTS 编译tensorflow C++ NOTE! 因为ubuntu在虚拟机里,我是用的笔记本的显卡比较落后,安装NVIDIA驱动失败,故未使用 GPU功能,仅使用了CPU模式; 编译得到libtensorflow_cc.so和libtensorflow_framework.so 是C++ 所需要的 文章目录ubuntu 20.04LTS 编译tensorflow C++tensorflow 和Bazel 以及python 对应的版本LinuxCPUGPU具体步骤一 首先安
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
Windows下编译带CUDA 11.2的TensorFlow 2.4.1
weixin_43140187的博客
03-12 1553
Windows下编译带CUDA 11.2的TensorFlow 2.4.1 参考链接：https://blog.csdn.net/u012440550/article/details/113361176?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-4.control&dist_request_id=&depth_1-utm_source=distribute.pc_rele
TensorFlow-Course项目：从源码编译安装TensorFlow的完整指南
最新发布
gitblog_00223的博客
06-02 390
TensorFlow-Course项目：从源码编译安装TensorFlow的完整指南 前言 对于深度学习开发者和研究人员来说，TensorFlow是最受欢迎的框架之一。虽然官方提供了预编译的二进制包，但从源码编译安装TensorFlow能够带来更好的系统兼容性和性能优化。本文将详细介绍在Ubuntu系统上从源码编译安装TensorFlow（支持GPU）的全过程，并特别关注Python虚拟环境的使用...
ubuntu16.04+cuda10.0+cudnn7.6+tensorflow_gpu-1.11.0环境安装
slender_1031的博客
11-21 940
为了搭深度学习环境,又装了一遍各种库,在此记录安装版本和流程.
centos7下编译tensorflow1.15 GPU版本（cuda11）
momaojia的博客
11-24 5067
​ 因为最近要把cuda10.0升级到cuda11,但是cuda11都不支持tensorflow1.1x版本，所以尝试从源码编译，目前tensorflow官方给出了ubuntu版本的编译方法，nvidia也提供了一款基于ubuntu的nvidia-tensorflow，直接安装在centos上，期间出现了各种问题，因此本文记录了在centos上编译tensorflow-gpu1.15版本的过程，仅供大家参考。 ​ 下表展示了tensoflow和cuda、gcc之间的对应关系 [外链图片转存失
人工智能 深度学习 TensorFlow 官方文档中文版
isuker的博客
09-07 2071
http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html 下载与安装 你可以使用我们提供的 Pip, Docker, Virtualenv, Anaconda 或 源码编译的方法安装 TensorFlow. Pip 安装 列表 首先安装 pip (或 Python3
tensorflow1.13.1_win_cuda10.0+cudnn7.6.3.rar
06-03
5. 配置编译环境：根据你的系统配置，修改TensorFlow源代码中的配置文件，以指示使用CUDA和cuDNN。 6. 编译TensorFlow：使用VS2015编译源代码，生成C接口库。 完成以上步骤后，你将得到一个适用于Windows 10的...
配置TensorFlow的cuda环境教程
qq_24997277的博客
09-15 1万+
一、硬件要求 官网链接： https://developer.nvidia.com/cuda-gpus 选则自己显卡类型对应的NVIDIA系列，可以得到显卡的计算能力（compute capability） 注意标注Notebook的为笔记本电脑 二、软件要求 1. 了解tensorflow各个版本需要的CUDA版本以及Cudnn的对应关系 注意记下自己需要的tensorflow版本、CUDA版本、Cudnn版本 https://www.tensorflow.org/install/source#co
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
TensorFlow-gpu 在 CentOS 7 下的完全安装手册
Oh_My_Fish的博客
12-21 8475
TensorFlow-gpu 在 CentOS 7 下的完全安装手册鉴于目前部分TensorFlow的Installation Guide已经有些落后于最新版本，以下我将结合我在CentOS下安装时踩过的坑以及 官方教程 ，介绍一下如何在CentOS 7下安装支持GPU运算的TensorFlow 1.4.1。在安装过程中切记，一定要选择正确的版本进行安装！ 检查系统环境在安装之前，需要先检查系统的
Tesla K80 Redhat 系统 安装 GPU 版 Tensorflow
CristianoJason的博客
03-28 5137
本文档记录了在远程服务器 Tesla K80 Redhat 系统上安装 GPU 版 Tensorflow 的过程
拒绝踩坑！从源码编译安装 Tensorflow 1.10GPU版本
u014475479的博客
08-15 2万+
致谢 tensorflow官方文档 How to Install Tensorflow GPU with CUDA 9.2 for Python on Ubuntu 以及一系列“十分有效”的解决方案及博文 前言 从源码编译安装tensorflow理论上可以安装tensorflow任意版本！从此不再踩坑！ tensorflow gpu版本的安装一直是所有deep le...
tensorflow+cuda+cudaa对应表
DSCjxgzzd的博客
04-11 1932
https://tensorflow.google.cn/install/source
cuda tensorflow
qiqzhang的博客
05-02 366
tensorflow-gpu==1.3 cuda8 tensorflow-gpu==1.5 cuda9
tensorflow-gpu测试代码
热门推荐
william_hehe的博客
03-19 10万+
1.前言：显卡昂贵，且用且珍惜！话说，安装了gpu版tf，跑跑小代码总觉得是杀鸡焉用宰牛刀的感觉。因此，我决定，跑个测试代码，来瞅瞅。2.代码如下：import tensorflow as tf with tf.device('/cpu:0'): a = tf.constant([1.0,2.0,3.0],shape=[3],name='a') b = tf.constant([...
Ubuntu16.04+CUDA9+cudnn7+python3.5+源码编译Tensorflow1.4+opencv3.3
fruit的博客
12-14 4018
为了加快环境所需依赖的下载速度，首先更新 apt-get 源Ubuntu16.04[清华大学映像]如何修改默认的更新源呢：首先备份：$sudo cp /etc/apt/sources.list etc/apt/sources.list_backup修改：$sudo gedit /etc/apt/sources.list清空并替换为# 默认注释了源码镜像以提高 apt update 速度，如有需要可自
tensorflow/pytorch临时指定CUDA版本，解决版本适配问题
blmoistawinde的博客
06-20 2884
经典的深度学习引擎，如tensorflow和pytorch，其自身版本与CUDA版本有着严格的对应关系，一点点的不符都会使得程序无法运行。 例如，我目前的默认CUDA==10.2，现在需要跑tensorflow-gpu==1.13.1的代码（要求CUDA==10.0），就会报出这样的错误： ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory 由于复现实验时，原始代码的tensor
预编译opencv249+cuda10.0+vs2015 x64库直装指南
由于OpenCV 2.4.9官方不提供VS2015预编译版本，为了在VS2015环境下使用CUDA 10.0进行OpenCV的编译，用户需要手动下载OpenCV的源代码，并且按照CUDA 10.0的要求进行编译环境的配置。这个过程可能涉及到修改源代码以...
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