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

  • tensorflow学习之 Eager execution

      首先tensorflow本身就是一个声明式的编程。而不是命令式的编程。           1、声明式的编程可以简单理解为先统一列出计算形式或者是表达式,然后最终在会话中进行计算。     2、而命令式就像是python本身就是。有初始值,再写出计算式的时候,运行到这一步其实就相当于已经的除了结果。     下面我们可以用斐波那契数列举例:       …

    2023年4月7日
    00
  • TensorFlow、把数字标签转化成onehot标签

    用sklearn 最方便:       在MNIST手写字数据集中,我们导入的数据和标签都是预先处理好的,但是在实际的训练中,数据和标签往往需要自己进行处理。 以手写数字识别为例,我们需要将0-9共十个数字标签转化成onehot标签。例如:数字标签“6”转化为onehot标签就是[0,0,0,0,0,0,1,0,0,0]. 首先获取需要处理的标签的个数: b…

    2023年4月6日
    00
  • 基于tensorflow加载部分层的方法

    在使用TensorFlow时,有时候我们只需要加载模型的部分层,而不是全部层。本文将详细讲解如何基于TensorFlow加载部分层,并提供两个示例说明。 示例1:加载部分层 以下是加载部分层的示例代码: import tensorflow as tf # 加载模型 saver = tf.train.import_meta_graph(‘model.ckpt.…

    tensorflow 2023年5月16日
    00
  • 获取tensorflow中tensor的值

    tensorflow中的tensor值的获取: import tensorflow as tf #定义变量a a=tf.Variable([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]) #定义索引 indics=[[0,0,0],[0,1,1],[0,1,2]] #把a中索引为indics的值取出 b=tf.gather_…

    tensorflow 2023年4月8日
    00
  • 对Tensorflow中的矩阵运算函数详解

    对Tensorflow中的矩阵运算函数详解 介绍 矩阵运算是机器学习/深度学习中必不可少的操作之一。TensorFlow为我们提供了许多常用的矩阵运算函数。本攻略将会介绍其中一些常用的矩阵运算函数及其用法。 1. tf.matmul tf.matmul是TensorFlow中用于矩阵相乘的函数,它支持两个维度大于1且最后两维的形状相同的张量相乘。在Tenso…

    tensorflow 2023年5月18日
    00
  • ubuntu18.04安装tensorflow2.0

    https://blog.csdn.net/qq_31456593/article/details/90170708https://blog.csdn.net/qq_27825451/article/details/89082978 https://blog.csdn.net/firesolider/article/details/88684672 http…

    tensorflow 2023年4月5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
  • tensorflow 2.0 学习 (九) tensorboard可视化功能认识

    代码如下: # encoding :utf-8 import io # 文件数据流 import datetime import matplotlib.pyplot as plt import tensorflow as tf from tensorflow import keras # 导入常见网络层, sequential容器, 优化器, 损失函数 fr…

    2023年4月8日
    00
合作推广
合作推广
分享本页
返回顶部