GPU版本的 TensorFlow 与CUDA和cuDNN的对应版本关系可以参考:https://www.tensorflow.org/install/source#tested_build_configurations。 可以看到如果选择 CUDA10.0 那么对应的 cuDNN是7.4,TensorFlow则需要1.13-2.0版本。 下载CUDA 去NVIDIA 下载 CUDA,下载地址为:https://developer.nvidia.com/cuda-downloads。本次使...
个人认为,如果要调用cuda时,最主要的是要知道自己的cuda和cudnn版本号, cuda版本号查询: nvcc -V 1. cudnn版本号查询: cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 1. 我的版本号是7.6.5 在配置时,如果需要用cuda,需要填上: 主要是CUDA support 和cuda版本号 cudnn版本号 配置完...
tensorflow1.xx和tensorflow2.xx需要用CUDA版本不一样,为了使用多版本的tensorflow,尝试安装多版本的CUDA和cuDNN,及切换对应版本的方法。 1、tensorflow与CUDA的版本对应关系如下:https://tensorflow.google.cn/install/source 本人已安装CUDA10.1,且成功运行,接下来继续安装CUDA... ...
首先,你可以通过在命令行中运行以下命令来查看已安装的CUDA和cuDNN版本: CUDA版本:打开终端并输入nvcc --version。这将显示已安装的CUDA版本信息。 cuDNN版本:由于cuDNN库是作为TensorFlow的一部分进行安装的,因此你可能需要首先安装或确认TensorFlow的安装。然后,在Python环境中运行以下命令:import tensorflow as tf; p...
TensorFlow版本对应的CUDA版本对应的cuDNN版本 TensorFlow 1.x系列 CUDA 8.0/8.5/9.0 cuDNN 5.1/6.0 TensorFlow 2.x系列 CUDA 10.0/11.0(GPU版本) cuDNN 7.6/7.4(与CUDA 10.0/11.0对应) TensorFlow 2.x系列(最新版本) 推荐使用与当前CUDA和cuDNN最新版本相对应的版本 注意事项: TensorFlow 1.x系列通常推荐使用...
主要有两种方式进行安装:pip、conda,pip安装tensorflow-gpu的时候,需要首先配置cuda和cudnn环境,并且需要与tensorflow的版本对应,用pip的方式进行安装,几乎可以安装所有的版本,cuda和cudnn的安装参考cuda和cudnn安装文档,在此不在叙述。conda安装的时候,不用单独配置cuda和cudnn,但是在安装之前尽量去官网查看,有那些版本...
如图,tensorflow-gpu最高版本为2.10.0,对应CUDA版本为11.2,cuDNN版本为8.1。 我的显卡支持的CUDA版本比11.2高,满足tensorflow-gpu 2.10.0的要求,所以直接安装这个版本。 假如你的显卡只支持CUDA11.0,按照上图显示,最高就只能安装2.4.0版本的tensorflow-gpu。
要搭建TensorFlow的GPU版本,首先需要的必备条件就是一块能够支持CUDA的NVIDIA显卡,因为在搭建TensorFlow的GPU版本时,首先需要做的一件事就是安装其基础支持平台CUDA和其机器学习库cuDNN,然后在此基础上搭建TensorFlow GPU版本。 其次还要了解一下不同的TensorFlow版本所需要对应安装的CUDA和cuDNN版本是多少,因为在TensorFlow...