当前位置:   article > 正文

安装tensorflow GPU版本--tensorflow-gpu版本与CUDA版本对应关系(持续更新,目前到TF2.10.1)_tensorflow和cuda对应关系

tensorflow和cuda对应关系

一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错

(1)确定自己要安装哪个版本的tensorflow-gpu
(1)根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本
(2)根据要安装的CUDA版本确定要下载的Cudnn版本。

二、tensorflow-gpu版本与CUDA版本对应关系

不同版本的tensorflow-gpu与CUDA对应关系如下表所示(图片有点旧了,python版本是2.7和3.3-3.8):

在这里插入图片描述
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:
在这里插入图片描述
如果是2.0以上的tensorflow,按下面列表安装(2023年1月更新, 现在TF2.X和CUDA版本的兼容性越来越好了,不同的TF2.X版本可以匹配多个CUDA版本,下表所示是本人验证过的,不是唯一匹配方案)

TFCUDAcudnn
2.010.07.6
2.110.17.6
2.210.17.6
2.310.17.6
2.411.08.0
2.511.28.1
2.611.38.2
2.711.38.2
2.811.68.6
2.911.68.6
2.1011.68.6

TF2.11好像目前还没有GPU版本放出来—2023-1-1

三、CUdnn与CUDA的对应关系

NVIDIA官网链接:https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
目前为止(2019年11月2日),最新的cuDNN版本号是7.6.3,7.5和7.6的cuDNN都支持CUDA10.1,7.4只能支持到CUDA10.0,一般如果安装的CUDA10.0的话,cuDNN7.4是可以的。

四、检验tensorflow-gpu安装成功

输入以下命令:

import  tensorflow as tf 
a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

若显示一下信息,说明安装成功。
在这里插入图片描述
如果按照以上方法安装后出现了以下错误:

ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory
  • 1

那么在终端输入以下命令:

sudo ldconfig /usr/local/cuda-10.0/lib64
  • 1

一般就能解决问题!

也可用一下方式临时检验:
对于2.0以前版本:

tf.test.is_gpu_available()
  • 1

2.1以后版本:

tf.config.list_physical_devices('GPU')
  • 1
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/凡人多烦事01/article/detail/364887
推荐阅读
相关标签
  

闽ICP备14008679号