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 1.5:CUDA 8.0,cuDNN 5.1 TensorFlow 1.4:CUDA 8.0,cuDNN 5.1 TensorFlow 1.3:CUDA 7.5,cuDNN 5.1 TensorFlow 1.2:CUDA 7.5,cuDNN 5.1 TensorFlow 1.1:CUDA 7.5,cuDNN 5.1 TensorFlow 1.0:CUDA 7.5,cuDNN 5.1需要注意的是,不同版本的TensorFlow可能存在一些差异。因此,在选择TensorFlow版本时,请务必参考...
2、检查自己电脑可支持的最高cuda版本 二、安装步骤 1、Python环境 2、TensorFlow-gpu安装 3、下载cuda工具并安装 4、根据cuda版本下载对应的cudnn 三、测试是否安装成功 四、遇到的问题 前言 本文记录了安装TensorFlow-gpu版本的全教程。 安装TensorFlow-gpu版本需要安装Python环境、TensorFlow-gpu、cuda工具、cudnn G...
TensorFlow 1.x系列通常推荐使用CUDA 8.0和cuDNN 5.1版本,但根据具体的小版本(如TensorFlow 1.2至1.12),也可能支持CUDA 8.5、9.0以及cuDNN 6.0、6.1、7.0版本。 TensorFlow 2.x系列则推荐使用CUDA 10.0和cuDNN 7.6版本,特别是针对GPU版本时,CUDA 11.0和cuDNN 8.0也是一个常见的推荐组合。 对于TensorFlow 2.x系列...
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。
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...
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TensorFlo...
2. 安装GPU版本的tensorflow,及其cuda和cudnn: 同样的安装tensorflow一样,先将对应版本的cudn和cudnn,然后再安装tensorflow-gpu: 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...