赞
踩
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):
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(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)
TF | CUDA | cudnn |
---|---|---|
2.0 | 10.0 | 7.6 |
2.1 | 10.1 | 7.6 |
2.2 | 10.1 | 7.6 |
2.3 | 10.1 | 7.6 |
2.4 | 11.0 | 8.0 |
2.5 | 11.2 | 8.1 |
2.6 | 11.3 | 8.2 |
2.7 | 11.3 | 8.2 |
2.8 | 11.6 | 8.6 |
2.9 | 11.6 | 8.6 |
2.10 | 11.6 | 8.6 |
(TF2.11好像目前还没有GPU版本放出来—2023-1-1)
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。
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))
若显示一下信息,说明安装成功。
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
那么在终端输入以下命令:
sudo ldconfig /usr/local/cuda-10.0/lib64
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()
2.1以后版本:
tf.config.list_physical_devices('GPU')
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。