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...
对于版本号大于1.13的tensorflow-gpu的1.x版本,如1.14、1.15,建议安装CUDA10.0,不要安装CUDA10.1,安装后会提示缺少很多库文件,而导致GPU版本的tensorflow无法使用,如下图所示: 如果是2.0以上的tensorflow,按下面列表安装(2021年3月更新): 三、CUdnn与CUDA的对应关系 NVIDIA官网链接:https://developer.nvidia.com/rdp/...
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...
TensorFlow 1.x系列是较旧版本的TensorFlow,但它仍然被广泛使用。以下是TensorFlow 1.x系列与CUDA和cuDNN的对应关系: TensorFlow 1.15:CUDA 9.0,cuDNN 7.0 TensorFlow 1.14:CUDA 9.0,cuDNN 7.0 TensorFlow 1.13:CUDA 8.0,cuDNN 7.0 TensorFlow 1.12:CUDA 8.0,cuDNN 7.0 TensorFlow 1.11:CUDA 8.0,cuDNN 6.0 TensorF...
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。
这里可以到看到 CUDA 版本是 9.0,cuDNN 版本是 7.0.5,官方推荐的 tensorflow 对应版本是:1.5 / 1.6 / 1.7 / 1.8 / 1.9 / 1.10 / 1.11 / 1.12 如果报错版本不对的话,可以按照下面的解决方法: pip uninstall tensorflow-gup==1.0.1 pip install tensorflow-gpu==1.5.0 ...
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...
Build from source on Windows | TensorFlowtensorflow.google.cn/install/source_windows?hl=en#gpu 注:conda install报错的文章末尾,不同的conda版本安装的cudatoolkit以及cudnn不同,可以使用conda search cudatoolkit或者cudnn来查看当前的conda能够安装什么版本的cudatookit,然后按照下面的对应版本安装即可。比如conda...
简介:随着深度学习的发展,Tensorflow成为广泛使用的机器学习框架。选择合适的CUDA和cudnn版本对GPU加速性能至关重要。本文介绍了Tensorflow各版本与CUDA、cudnn的对应关系,并推荐使用百度智能云文心快码(Comate)提升代码编写效率。点击链接https://comate.baidu.com/zh了解详情。