| Tensorflow 1.x | cuDNN 5.1/6.0 |从上表可以看出,Tensorflow 2.x需要cuDNN 7.6/7.4版本,而Tensorflow 1.x则需要cuDNN 5.1/6.0版本。如果您需要使用GPU进行Tensorflow计算,则需要安装与您所使用的Tensorflow版本兼容的cuDNN版本。综上所述,在安装和配置Tensorflow时,需要考虑到与Python、CUDA、cuDNN的版本对应...
一、CUDA的安装: 1、首先在安装CUDA前需要查看电脑能安装什么版本, 方法是通过打开控制面板搜索NVIDIA: 进入NVIDIA控制面板,点击帮助,选中系统信息: 查看组件信息,可以看到该电脑能运行的CUDA版本: / 2、通过官网下载对应的CUDA版本:https://developer.n
https://tensorflow.google.cn/install/source_windows 大佬文章,应该也是从官网Linux对应的CUDA复制的 : 《干货:TensorFlow1.2~2.1各个GPU版本CUDA和cuDNN对应版本整理》 Linux和Mac对应的也能在上面网址找到,这里只列出了Windons的,如果你是想在Tensorflow2.1.0安装,那官网还没更新Windows的对应关系,但是更新了Linux的。
安装tensorflow-gpu版本 直接使用sudo pip install tensorflow-gpu 命令安装(前提已经安装pip 或pip3),这时会发现安装的是最新版本,有可能与cuda版本不匹配。import tensorflow也会报错。可以下载一个gpu版本的tensorflow,离线在本地使用pip安装。(下载地址:http://pypi.org/project/tensorflow-gpu/1.12.0/#files) sudo...
$ sudo cp cuDNN/cuda/include/cudnn.h/usr/local/cuda/include $ sudo cp cuDNN/cuda/lib64/*/usr/local/cuda/lib64/ 至此,tensorflow的前期工作完成。 安装Tensorflow_gpu 在终端输入:$ pip3 install tensorflow-gpu 安装成功后,进入python,尝试import tensorflow as tf如果没有报错就安装成功了。
tensorflow不同版本对应的Python 版本,cuDNN版本,CUDA版本,welcometomyblog原图地址Linux下的对应版本macOS下的对应版本
官方最新版本对应表版本Python 版本编译器构建工具cuDNNCUDAtensorflow_gpu-2.6.03.6-3.9MSVC 2019Bazel 3.7.28.111.2tensorflow_gpu-2.5.03.6-3.9MSVC 2019Bazel 3.7.28.111.2tensorflow_gpu-2.4.03.6-3.8MSVC 20…
python - 3.7.9 cudatoolkit - 10.1.243 cudnn - 7.6.5 并确认已安装：Microsoft Visual C++ ...
笔记本显卡为RTX3060, 支持CUDA 11.0,cuDNN 8.0,从而确定tensorflow-gpu 2.4.0, 进而选用python3.8.17版本。 (注:RTX30系列显卡似乎只支持tensorflow-gpu的2.4以上版本加速了,对应的是CUDA11.0及以上版本) 感谢:配置过程参考了无数文章,不胜枚举,致敬前辈,部分图片源自网络。
1.我已经安装了CUDA Toolkit 8.0 2.下载的cuDNN 5.1 3.将cuDNN 5.1/cuda中的文件与C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 bin,include,lib合并 4.设置新的路径变量 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8....