《版本问题！！！！》win10下选择CUDA版本和Cudnn版本，以及匹配tensorflow和Keras。

最新推荐文章于 2025-04-01 16:33:02 发布
最新推荐文章于 2025-04-01 16:33:02 发布
阅读量1.4k 收藏 11
点赞数
分类专栏： 环境配置 文章标签： tensorflow 深度学习 python
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/xiaoyaolangwj/article/details/110387900
版权
本文介绍了TensorFlow及相关组件的版本选择和安装方法。先查看显卡型号，下载安装对应驱动，确定cuda版本。版本选择遵循不选最新版、次新级版本兼容优先、结合语言环境等原则。还给出了Python、anaconda等版本建议，最后说明了安装步骤和检测方法。

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

先查看自己的显卡型号，

然后去官网上找到自己的显卡驱动的版本号，并下载安装。

再对应下表确定cuda的版本。

NVIDIA官网CUDA版本和显卡驱动版本对应

CUDA ToolkitLinux x86_64 Driver VersionWindows x86_64 Driver Version
CUDA 11.1.1 Update 1>=455.32>=456.81
CUDA 11.1 GA>=455.23>=456.38
CUDA 11.0.3 Update 1>= 450.51.06>= 451.82
CUDA 11.0.2 GA>= 450.51.05>= 451.48
CUDA 11.0.1 RC>= 450.36.06>= 451.22
CUDA 10.2.89>= 440.33>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)>= 418.39>= 418.96
CUDA 10.0.130>= 410.48>= 411.31
CUDA 9.2 (9.2.148 Update 1)>= 396.37>= 398.26
CUDA 9.2 (9.2.88)>= 396.26>= 397.44
CUDA 9.1 (9.1.85)>= 390.46>= 391.29
CUDA 9.0 (9.0.76)>= 384.81>= 385.54
CUDA 8.0 (8.0.61 GA2)>= 375.26>= 376.51
CUDA 8.0 (8.0.44)>= 367.48>= 369.30
CUDA 7.5 (7.5.16)>= 352.31>= 353.66
CUDA 7.0 (7.0.28)>= 346.46>= 347.62

TensorFlow官网上windows经过测试的构建配置对应版本

GPU

版本

P

ython 版本

编译器构建工具cuDNNCUDA
tensorflow_gpu-2.3.03.5-3.8MSVC 2019Bazel 3.1.07.410.1
tensorflow_gpu-2.2.03.5-3.8MSVC 2019Bazel 2.0.07.410.1
tensorflow_gpu-2.1.03.5-3.7MSVC 2019Bazel 0.27.1-0.29.17.410.1
tensorflow_gpu-2.0.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.15.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.14.03.5-3.7MSVC 2017Bazel 0.24.1-0.25.27.410
tensorflow_gpu-1.13.03.5-3.7MSVC 2015 update 3Bazel 0.19.0-0.21.07.410
tensorflow_gpu-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.1.03.5MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.0.03.5MSVC 2015 update 3Cmake v3.6.35.18

TensorFlow与Keras版本对应

FrameworkEnv name (--env parameter)DescriptionDocker ImagePackages and Nvidia Settings
TensorFlow 2.2tensorflow-2.2TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7.floydhub/tensorflowTensorFlow-2.2
TensorFlow 2.1tensorflow-2.1TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-2.1
TensorFlow 2.0tensorflow-2.0TensorFlow 2.0.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-2.0
TensorFlow 1.15tensorflow-1.15TensorFlow 1.15.0 + Keras 2.3.1 on Python 3.6.floydhub/tensorflowTensorFlow-1.15
TensorFlow 1.14tensorflow-1.14TensorFlow 1.14.0 + Keras 2.2.5 on Python 3.6.floydhub/tensorflowTensorFlow-1.14
TensorFlow 1.13tensorflow-1.13TensorFlow 1.13.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.13
TensorFlow 1.12tensorflow-1.12TensorFlow 1.12.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.12
tensorflow-1.12:py2TensorFlow 1.12.0 + Keras 2.2.4 on Python 2.floydhub/tensorflow
TensorFlow 1.11tensorflow-1.11TensorFlow 1.11.0 + Keras 2.2.4 on Python 3.6.floydhub/tensorflowTensorFlow-1.11
tensorflow-1.11:py2TensorFlow 1.11.0 + Keras 2.2.4 on Python 2.floydhub/tensorflow
TensorFlow 1.10tensorflow-1.10TensorFlow 1.10.0 + Keras 2.2.0 on Python 3.6.floydhub/tensorflowTensorFlow-1.10
tensorflow-1.10:py2TensorFlow 1.10.0 + Keras 2.2.0 on Python 2.floydhub/tensorflow
TensorFlow 1.9tensorflow-1.9TensorFlow 1.9.0 + Keras 2.2.0 on Python 3.6.floydhub/tensorflowTensorFlow-1.9
tensorflow-1.9:py2TensorFlow 1.9.0 + Keras 2.2.0 on Python 2.floydhub/tensorflow
TensorFlow 1.8tensorflow-1.8TensorFlow 1.8.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.8
tensorflow-1.8:py2TensorFlow 1.8.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow
TensorFlow 1.7tensorflow-1.7TensorFlow 1.7.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.7
tensorflow-1.7:py2TensorFlow 1.7.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow
TensorFlow 1.5tensorflow-1.5TensorFlow 1.5.0 + Keras 2.1.6 on Python 3.6.floydhub/tensorflowTensorFlow-1.5
tensorflow-1.5:py2TensorFlow 1.5.0 + Keras 2.1.6 on Python 2.floydhub/tensorflow
TensorFlow 1.4tensorflow-1.4TensorFlow 1.4.0 + Keras 2.0.8 on Python 3.6.floydhub/tensorflow
tensorflow-1.4:py2TensorFlow 1.4.0 + Keras 2.0.8 on Python 2.floydhub/tensorflow
TensorFlow 1.3tensorflow-1.3TensorFlow 1.3.0 + Keras 2.0.6 on Python 3.6.floydhub/tensorflow
tensorflow-1.3:py2TensorFlow 1.3.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow
TensorFlow 1.2tensorflow-1.2TensorFlow 1.2.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow
tensorflow-1.2:py2TensorFlow 1.2.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow
TensorFlow 1.1tensorflowTensorFlow 1.1.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow
tensorflow:py2TensorFlow 1.1.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow
TensorFlow 1.0tensorflow-1.0TensorFlow 1.0.0 + Keras 2.0.6 on Python 3.5.floydhub/tensorflow
tensorflow-1.0:py2TensorFlow 1.0.0 + Keras 2.0.6 on Python 2.floydhub/tensorflow
TensorFlow 0.12tensorflow-0.12TensorFlow 0.12.1 + Keras 1.2.2 on Python 3.5.floydhub/tensorflow
tensorflow-0.12:py2TensorFlow 0.12.1 + Keras 1.2.2 on Python 2.floydhub/tensorflow

本文写作时间2020年12月1日，请参照最新表格选择。以上并不绝对，只是大厂做的匹配推荐。

选择版本：第一原则：别选最新版本。

我们尊重新鲜事物的产生，我们也非常喜欢新鲜事物，新的版本代表着新的功能和新的效果。但是新的并非最好。特别是涉及到版本兼容问题时。

经实际测试效果，如果装tensorflow 2以上的版本，会出现各种问题。原因如下：第一句翻译：TF2.0中很多API要么....要么...。所以呀，为了眼下的方便，不考虑以后的话。先装TF1.0版本吧。

Many APIs are either gone or moved in TF 2.0. Some of the major changes include removing tf.app, tf.flags, and tf.logging in favor of the now open-source absl-py, rehoming projects that lived in tf.contrib, and cleaning up the main tf.* namespace by moving lesser used functions into subpackages like tf.math.

第二原则：次新级版本兼容优先考虑。（不绝对）

根据：TF版本，观察Cuda的版本，我们发现10.1都对应TF2.0，所以，我们退一步，让一步，选择CUDA10.0。这样让我们接下来选择的空间更大。CUDA10.0让我们可进可退。后续转TF2.0也支持。

本人笔记本NVIDIA GeForce GTX 1070。选择CUDA10.0。对应显卡驱动版本CUDA Toolkit and Compatible Driver Versions>=411.31。只要大于这个版本都支持。这个可以放心选择。CuDnn按照表推荐7.4。

CUDNN7.4限制tensorFlow对应的版本，也限制在了tensorFlow1.13以上的版本。可选项只有13,14,15三个版本。15在匹配Keras的时候，需要匹配最新keras，所以我们选择13或者14。稳妥点选择13。

TensorFlow建议keras2.2.4。这下子所有版本齐了。

第三原则:语言环境与第二原则一起考虑。

考虑Python的版本，你要考虑你的其他使用场景，要让Python支持更多的场景。目前根据我的应用场景选择3.6稳妥些。因为我的需求中有些模块点明不支持3.5以下版本，有些模块又不支持太新3.7也不妥。完全是被动呀。不过你看表3.6支持的版本最多呀。欣慰至甚，欢欣甚慰。以此你也可以看出python3.6目前也是Python比较好的一个版本选择。

如果安装anaconda：请参照下图：

 选择anaconda 3.5.2合适。

先装显卡驱动，后装CUDA，然后复制替换CUDNN。

安装完CUDA后需要配置环境变量。

检测CMD下输入：nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:04_Central_Daylight_Time_2018
Cuda compilation tools, release 10.0, V10.0.130

安装Python3.6.5。

然后安装Tensorflow。

pip install tensorflow_gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple 

或者下面的命令适合你：

python3 -m pip install tensorflow_gpu==1.4.0
后面数字是你版本号。

再不行，从PyPI自己下载轮子。对应好python和系统的版本找版本下载（浏览器下载慢，直接用迅雷下）。直接pip install相应whl。

pip install .\tensorflow_gpu-1.13.1-cp36-cp36m-win_amd64.whl

import tensorflow as tf
tf.__version__

可以输出版本号即安装正确。

安装Keras。Over。

pip3 install keras==2.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

cuda+cudnn+tensorflow-gpu+keras安装及版本对应
qq_45377309的博客
12-25 1856
cuda+cudnn+tensorflow-gpu+keras安装及版本对应 本文使用的版本是 cuda10.1 cudnn7.6.5 keras 2.2.4 tensorflow-gpu1.15 cuda安装 1.确定电脑是否有GPU，有则可下cuda； 2.查询电脑支持的cuda版本（注：电脑标注的版本非必须对应版本，如我电脑可使用cuda11.1，但我可下载10.1等版本）； 3.确定版本，cuda官网下载对应版本； 4.安装时我选择默认目录下载，避免大坑（血泪教训），不慎版本下载错误，也可卸载，在
【超详细】windows10系统下深度学习环境搭建CUDA11.3+cuDNN，以及tensorflow，Keras，pyTorch对应版本
zzjcymbq的博客
05-30 1万+
2022windows系统下深度学习GPU环境搭建CUDA11.3+cuDNN8.2.1，以及tensorflow，Keras，pyTorch对应版本介绍
CUDA版本的选择
qq_51990574的博客
09-02 2266
本文详细解释了CUDA安装版本的操作步骤及其原理。
CUDA详细安装及环境配置——环境配置指南 – CUDA+cuDNN+PyTorch 安装
最新发布
群智能算法开发
04-01 4443
注意选择你的操作系统，什么版本的 我是Windows11 需要选择11，离线安装包还是在线安装包，省得麻烦就选择离线安装包了，选择好后，点击下面的Download按钮。可以看到显示CUDA Version为11.6，说明该显卡最高支持到11.6，我这里就选择11.6的版本，你也可以选择更低的版本比如 11.5,11.4更低的版本。把CUDA选一下，还需要注意一点，如果 你前面没有安装vs，直接安装的这个，需要把CUDA里面的。这里提示了你选择的组件的安装情况，到这就安装好了，点击关闭。
windows10+Nvidia GeForce GTX 1070+安装 Cuda-10.1 + CuDNN-7.6 + Tensorflow-gpu-1.15.0
LKCNFV的博客
07-07 1974
安装 Visual Studio 2019下载地址 我的Nvdia控制面板上写的是CUDA10.2 安装的是CUDA10.2和Cudnn7.6.5（链接）
TensorFlow相关组件的安装
AAI666666的博客
01-11 2879
TensorFlow相关组件的安装
GPU版本的pytorch安装（显卡为3060ti，如何选择对应的cuda版本）
打工人。。
04-15 1万+
显卡为3060ti g6x，操作系统win10。
ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤的ppt
03-01
### ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤详解 #### 一、ANACONDA 安装 **ANACONDA** 是一个非常方便的Python和R的数据科学环境管理器。它提供了一个包含大量科学计算库的分发版，以及一个强大...
NVIDIA显卡驱动+CUDA+CUDNN+Tensorflow+Keras之间的关系（含各版本对应关系表）
qq_45186202的博客
01-19 4180
基础介绍 Driver 与键盘驱动、鼠标驱动、打印机驱动没本质区别，硬件统一CPU和外设通信的接口，以驱动程序的形式呈现 可使用nvidia-smi命令查看，需要注意的是，显卡支持的驱动一直是在更新的 CUDA（Compute Unified Device Architecture，NVIDIA推出的显卡并行计算框架） tensorflow-gpu的运行需要它的底层支持，它是一个计算框架，抽象层次比驱动高，每个版本的CUDA都是基于一定版本的驱动建立的，所以它对驱动的最低版本是有要求的 cuDN
2022【超详细】搭建深度学习环境与配置 tensorflow2.7+keras2.7+CUDA11.6+cuDNN 对应版本
热门推荐
jiuzixu的博客
01-16 2万+
tensorflow2.7.0和keras2.7.0深度学习环境搭建，python3.7.0+CUDA+cuDNN各版本对应配置。
安装特定版本的keras_Win10上安装Keras 和 TensorFlow(GPU版本)
weixin_39860755的博客
12-19 563
一. 安装环境Windows 10 64bit家庭版GPU: GeForce GTX1070Python: 3.5CUDA:CUDA Toolkit 8.0 GA1 (Sept 2016)cuDNN: cuDNN v6.0 Library for Windows 10【注意】(1)这里值得一提的是，Python，CUDA，cuDNN之间的版本要严格匹配，不匹配安装会出错。(2)后来博主的系统...
CUDA版本选择与安装（不同的深度学习项目需要不同CUDA）
weixin_44859553的博客
09-07 2766
（可以，但是需要改，会报以下几种错误，一般import tensorflow.compat.v1 as tf代替 import tensorflow as tf 可解决）；(1)在3060的机器上安装cuda 10(拿到机器后的本能反应）(2)tensorflow1的项目使用tensorflow2环境跑。(非常有用，对环境搭不起来有启发性作用，能避免踩别人踩过的坑。(3)换项目，读代码，读项目中的issues。
tensorflow-gpu运行环境的cudnn版本低于编译环境的cudnn版本
lhp171302512的博客
03-22 328
问题描述： 通过pip install tensorflow-gpuxxxx.whl命令安装tensorflow-gpu，tensorflow-gpu安装好了，import tensorflow也没有问题，但是在训练模型的时候报错。 报错的关键信息是： Loaded runtime CuDNN library: 7.3.1 but source was compiled with: 7.6.0. 那是因为tensorflow的whl安装包的编译环境的cudnn版本是7.6.0，而当前的运行环境的cudnn
Pytorch-GPU安装(选择正确的CUDA版本）
gz927cool的博客
11-23 6452
gpu版pytorch安装（如何选择正确的cuda版本）
win10下安装CUDA和CUDNN的版本对应
a429367172的博客
04-02 4126
版本对应 首先查看你的GPU支持的CUDA版本号：https://blog.youkuaiyun.com/Candy_GL/article/details/79435151 根据这个版本号，选择与CUDA对应的tensorflow、python、cuDNN版本号 官网推荐的tensorflow、python、cuDNN、CUDA对应版本，这里是官网版本链接https://www.tensorflow.or...
CUDA的version安装细节提示
m0_63915998的博客
12-01 898
windows11在安装CUDA 时，需要在version这行选择11，而不是10，如下图所示：不要选错啦。
win10 cuda版本确认
qq_43309882的博客
08-29 226
1. 进入命令行模式 nvcc -V 出现下列信息： (py36_torch16) C:\Users\lyc>nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2018 NVIDIA Corporation Built on Sat_Aug_25_21:08:04_Central_Daylight_Time_2018 Cuda compilation tools, release 10.0, V10.0....
windows安装cuda
厚积而薄发
11-11 3806
https://blog.youkuaiyun.com/weixin_43907136/article/details/127014181
Win10安装tensorflow-gpu以及对应版本的keras
糕糕的博客
02-24 2438
win10安装tf+kears(gpu)
Windows 10上Anaconda配成功tensorflow-gpu+keras：CUDA与cudnn安装指南
本文主要介绍了在Windows 10环境下安装和配置Anaconda、tensorflow-gpu和keras的步骤，特别强调了在使用GPU版本的TensorFlow时CUDA和cuDNN的重要性。以下是详细的知识点： 1. **TensorFlow GPU 版本需求**： - ...
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