| 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...
1.Tensorflow与python、CUDA、cuDNN对应关系 首先进入Tensorflow官网:https://tensorflow.google.cn/install/source_windows找到windows对应的版本的模块 然后再查看自己python的版本,在cmd中输入python --version查看python的版本,如果没有添加环境变量,找到所安装的python.exe,将其添加到环境变量中。 我的python版本是3.8,...
版本问题非常关键,不仅仅是cuda和cudnn的版本要严格参照官网的要求,python和tensorflow的版本支持也不可忽视。亲测有效的版本对应关系是:win10、cuda10.1、cudnn7.5、python3.7.2、tensorflow-gpu1.13;另外我的显卡是gtx1070ti; 二、获取资源 cuda10.1cudnn7.5.0tensorflow-gpu1.13 一般来说,cuda和cudnn的下载页面可以...
官方最新版本对应表www.tensorflow.org/install/source_windows?hl=zh-cn#gpu 版本Python 版本编译器构建工具cuDNNCUDA tensorflow_gpu-2.6.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2 tensorflow_gpu-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2 tensorflow_gpu-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1....
可以看到,tensorflow2.9对应的CUDA版本是11.2,cuDNN版本是8.1 先安装cudatookit conda install -c conda-forge cudatoolkit=11.2 后安装cudnn conda install -c conda-forge cudnn=8.1.0 最后安装tensorflow pip install tensorflow-gpu==2.9.0 验证是否安装成功 ...
tensorflow-GPU 使用GPU版本,记得安装CUDA和cuDNN。 安装命令 pip install tensorflow==version pip install tensorflow-gpu==version 下载地址 CUDA:https://developer.nvidia.com/cuda-downloads cuDNN:https://developer.nvidia.com/zh-cn/cudnn 下载下来之后进行解压,然后将解压出来的 ...
2.tensorflow/cuda/cudnn/python版本关系: 配置深度学习环境一定要明确版本对应关系,才能事半功倍。 首先,明确cuda与nvidia显卡驱动版本对应: 其次,tensorflow/cuda/cudnn/python版本对应: GPU: 其中,cudnn与cuda之间详细版本对应请查看官网:NVIDIA,Yes!
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) ...
考虑到新版本可用资源少,我们选择安装cuda8.0+cudnn6.0+tensorflow1.4 第一步:安装依赖包 输入命令: sudoapt-getinstall libprotobuf-dev libleveldb-devlibsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommendslibboost-all-dev ...