详解Tensorflow不同版本要求与CUDA及CUDNN版本对应关系

TensorFlow 是一个非常流行的深度学习框架,但是不同版本的 TensorFlow 对 CUDA 和 cuDNN 的版本有不同的要求。在使用 TensorFlow 时,需要根据 TensorFlow 的版本来选择合适的 CUDA 和 cuDNN 版本。下面是 TensorFlow 不同版本要求与 CUDA 及 cuDNN 版本对应关系的详细攻略。

TensorFlow 1.x 版本要求与 CUDA 及 cuDNN 版本对应关系

TensorFlow 版本 CUDA 版本 cuDNN 版本
1.0 8.0 5.1
1.1 8.0 5.1
1.2 8.0 6.0
1.3 8.0 6.0
1.4 8.0 6.0
1.5 8.0 6.0
1.6 9.0 7.0
1.7 9.0 7.0
1.8 9.0 7.0
1.9 9.0 7.0
1.10 9.0 7.0
1.11 9.0 7.4
1.12 9.0 7.4
1.13 10.0 7.4
1.14 10.0 7.4
1.15 10.0 7.4

在使用 TensorFlow 1.x 版本时,需要根据 TensorFlow 的版本来选择合适的 CUDA 和 cuDNN 版本。例如,如果使用 TensorFlow 1.12 版本,则需要安装 CUDA 9.0 和 cuDNN 7.4。

TensorFlow 2.x 版本要求与 CUDA 及 cuDNN 版本对应关系

TensorFlow 版本 CUDA 版本 cuDNN 版本
2.0 10.0 7.4
2.1 10.1 7.6
2.2 10.1 7.6
2.3 10.1 7.6
2.4 11.0 8.0

在使用 TensorFlow 2.x 版本时,需要根据 TensorFlow 的版本来选择合适的 CUDA 和 cuDNN 版本。例如,如果使用 TensorFlow 2.3 版本,则需要安装 CUDA 10.1 和 cuDNN 7.6。

示例1:TensorFlow 1.x 版本要求与 CUDA 及 cuDNN 版本对应关系

如果要使用 TensorFlow 1.12 版本,则需要安装 CUDA 9.0 和 cuDNN 7.4。可以使用以下命令来安装 CUDA 9.0:

wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run
sudo sh cuda_9.0.176_384.81_linux-run

然后,可以使用以下命令来安装 cuDNN 7.4:

wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.4.1.5/prod/9.0_20181108/cudnn-9.0-linux-x64-v7.4.1.5.tgz
tar -xzvf cudnn-9.0-linux-x64-v7.4.1.5.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

示例2:TensorFlow 2.x 版本要求与 CUDA 及 cuDNN 版本对应关系

如果要使用 TensorFlow 2.3 版本,则需要安装 CUDA 10.1 和 cuDNN 7.6。可以使用以下命令来安装 CUDA 10.1:

wget https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
sudo sh cuda_10.1.243_418.87.00_linux.run

然后,可以使用以下命令来安装 cuDNN 7.6:

wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20201106/cudnn-10.1-linux-x64-v7.6.5.32.tgz
tar -xzvf cudnn-10.1-linux-x64-v7.6.5.32.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:详解Tensorflow不同版本要求与CUDA及CUDNN版本对应关系 - Python技术站

(0)
上一篇 2023年5月16日
下一篇 2023年5月16日

相关文章

  • LeNet-5以及tensorflow2.1实现

    目录 LeNet-5 LeNet-5网络结构 tensorflow实现LeNet-5 LeNet-5网络结构 其中池化层均采用最大池化,每一层卷积层后使用的激活函数是sigmoid函数。这里补充一下padding的两种方式,一个是SAME(全0填充),另一个是VALID(不填充)。在LeNet-5中,卷积层一致采用padding=’SAME’的方式进行填充,…

    2023年4月8日
    00
  • 在Linux服务器非root权限下搭建TensorFlow框架(Anaconda)

    今天终于动手折腾实验室的服务器啦!由于权限原因,只能在自己的路径下安装TensorFlow。 1. 下载安装Anaconda 官网下载地址:https://www.anaconda.com/download/#linux 下载对应版本,上传到服务器,执行: bash Anaconda3-2018.12-Linux-x86_64.sh 名称改成自己的相应版本。…

    2023年4月8日
    00
  • [Python]机器学习:Tensorflow实现线性回归

    #> tutorial:https://www.cnblogs.com/xianhan/p/9090426.html # 步骤一:构建模型 # 1.TensorFlow 中的线性模型 ## 占位符(Placeholder):表示执行梯度下降时将实际数据值输入到模型中的一个入口点。例如房子面积 (x) 和房价 (y_)。 x = tf.placehold…

    2023年4月8日
    00
  • Tensorflow 错误:The flag ‘xxx’ is defined twice

    添加 FLAGS = tf.app.flags.FLAGS lst = list(FLAGS._flags().keys()) for key in lst: FLAGS.__delattr__(key) 或 FLAGS = tf.app.flags.FLAGS lst = list(FLAGS._flags().keys()) for key in lst…

    tensorflow 2023年4月7日
    00
  • No module named ‘tensorflow.contrib’

    控制台:pip install tensorflow 发现自己安装过,且版本2.4.1 搜索发现自己的python3.8版本无对应 tensorflow,故删除3.8版本,下载3.7版本【百度有教程】。 对应python3.7版本的tensorflow我下载的是1.14.0。其他应该也可,官网有对应表。 但是速度慢,毕竟使用pip下载。故换镜像下载: 修改为…

    tensorflow 2023年4月6日
    00
  • 使用tensorflow设计的网络模型看不到数据流向怎么办

    首先tensorflow的设计思想就是先把需要用的变量已张量的形式保存, 实际上并没有实质的数值填充。 然后设计网络架构,也仅仅是架构而已, 只能说明数据关系和层与层之间的关系。 真正的数据输入是在主程序入口处,一般如下所示: 看到没,划线部分即为输入! 很多人喜欢用debug调试程序,以获得数据流向,但是对于这些网络确实失败的,因为你啥也看不到。 那么te…

    2023年4月8日
    00
  • tensorflow 钢琴谱练习

    录音并识别琴键 Imports NAudio.Wave Imports MathNet.Numerics.IntegralTransforms Imports System.Numerics Imports TensorFlow Imports System.IO Public Class Form1 \’录音 Dim wav As New WaveInEv…

    tensorflow 2023年4月8日
    00
  • Win10下安装并使用tensorflow-gpu1.8.0+python3.6全过程分析(显卡MX250+CUDA9.0+cudnn)

    Win10下安装并使用TensorFlow-GPU1.8.0+Python3.6全过程分析(显卡MX250+CUDA9.0+cudnn) 在Windows 10操作系统下,我们可以使用显卡加速的TensorFlow-GPU来加速深度学习模型的训练。本文将提供一个完整的攻略,详细讲解如何在Win10下安装并使用TensorFlow-GPU1.8.0+Pytho…

    tensorflow 2023年5月16日
    00
合作推广
合作推广
分享本页
返回顶部