CUDA、CUDNN 、tensorflow、tensorflow-addons、scipy、numpy、keras、python版本对应_numpy和python版本对应关系

前两天，重新配置环境安装tensorflow的时候，遇到了一堆版本不对应问题，踩坑2天，今天终于所有版本都对应上了，那感觉，那叫个爽！忍不住哼一句汪峰老师的名曲：这是飞翔的感觉~~~~话不多说，我将自己的CUDA、CUDNN 、tensorflow、tensorflow-addons、scipy、numpy、keras、python版本都罗列出来，如果有跟我CUDA \CUDNN python版本一致的小伙伴们，有福了，这篇避坑指南，请收好！

重要：本文所有版本都是Linux版本

目录

1.首先确认自己的cuda版本

2.确认cudnn版本

3.确认python版本

4.安装tensorflow

5.安装keras

6.安装numpy

7.安装scipy

8.安装tensorflow-addons

整理不易，欢迎一键三连！！！

---

1.首先确认自己的cuda版本

cat /usr/local/cuda/version.txt

打印出来信息如下：

CUDA Version 10.0.130

我的cuda是10.0.130的，简称10.0

2.确认cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

打印出来的信息是：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 3
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
 
#include "driver_types.h"

我的cudnn版本是7.6.3，简称7.6

3.确认python版本

python

打印出来的信息如下：

Python 3.6.7 | packaged by conda-forge | (default, Jul  2 2019, 02:18:42) 
[GCC 7.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.

确认我的python版本是3.6.7，简称3.6，然后输入

exit()

推出python编辑状态

4.安装tensorflow

以上的python3.6，cuda10.0，cudnn7.6的前提下，Linux安装tensorflow对应的版本是2.0.0，快速安装的代码如下：

pip install tensorflow==2.0.0 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/

直接调用中国科技大学的镜像，下载速度飞快。。。如果没有，可以切换豆瓣的镜像或清华的镜像，直接换后面的地址就好。

5.安装keras

tensorflow2.0.0对应的keras版本是2.2.4，同上，调用中国科技大学的镜像安装

pip install keras==2.2.4 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/

6.安装numpy

可能你已经安装了numpy了，看看能否正常调用，若可以，就自动省略这一步，如果没有或者调用有问题，就先卸载再接着安装

pip install numpy==1.16.0 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/

7.安装scipy

安装对应的scipy的版本是1.1.0

pip install scipy==1.1.0 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/

8.安装tensorflow-addons

tensorflow-addons版本与tensorflow版本相关，tensorflow2.0.0对应的tensorflow-addons版本是0.6.0，因此，接着安装tensorflow-addons0.6.0，就大功告成了

pip install tensorflow-addons=0.6.0 -i https://mirrors.bfsu.edu.cn/pypi/web/simple/

 ps：鉴于评论区很多人找不到对应的tensoeflow-addons与tf的版本对应，再次列举出二者对应关系表：

Python Op Compatibility Matrix

TensorFlow Addons	TensorFlow	Python
tfa-nightly	2.8, 2.9, 2.10	3.7, 3.8, 3.9, 3.10
tensorflow-addons-0.18.0	2.8, 2.9, 2.10	3.7, 3.8, 3.9, 3.10
tensorflow-addons-0.17.1	2.7, 2.8, 2.9	3.7, 3.8, 3.9, 3.10
tensorflow-addons-0.16.1	2.6, 2.7, 2.8	3.7, 3.8, 3.9, 3.10
tensorflow-addons-0.15.0	2.5, 2.6, 2.7	3.7, 3.8, 3.9
tensorflow-addons-0.14.0	2.4, 2.5, 2.6	3.6, 3.7, 3.8, 3.9
tensorflow-addons-0.13.0	2.3, 2.4, 2.5	3.6, 3.7, 3.8, 3.9
tensorflow-addons-0.12.1	2.3, 2.4	3.6, 3.7, 3.8
tensorflow-addons-0.11.2	2.2, 2.3	3.5, 3.6, 3.7, 3.8
tensorflow-addons-0.10.0	2.2	3.5, 3.6, 3.7, 3.8
tensorflow-addons-0.9.1	2.1, 2.2	3.5, 3.6, 3.7
tensorflow-addons-0.8.3	2.1	3.5, 3.6, 3.7
tensorflow-addons-0.7.1	2.1	2.7, 3.5, 3.6, 3.7
tensorflow-addons-0.6.0	2.0	2.7, 3.5, 3.6, 3.7

至此，所有的CUDA、CUDNN 、tensorflow、tensorflow-addons、scipy、numpy、keras、python版本对应关系就讲完了，希望能帮大家避坑。

最后，列一个表格方便大家查看吧！

整理不易，欢迎一键三连！！！