【避坑操作】安装tensorflowGPU版本tensorflowgpu版本与CUDA版本对应关系

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

&＃xff08;1&＃xff09;确定自己要安装哪个版本的tensorflow-gpu&＃xff1b;
&＃xff08;1&＃xff09;根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本&＃xff1b;
&＃xff08;2&＃xff09;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&＃xff08;图片有点旧了&＃xff0c;python版本是2.7和3.3-3.8&＃xff09;&＃xff1a;

对于版本号大于1.13的tensorflow-gpu版本&＃xff0c;如1.14、1.15&＃xff0c;建议安装CUDA10.0&＃xff0c;不要安装最新的CUDA10.1&＃xff0c;安装后会提示缺少很多库文件&＃xff0c;而导致GPU版本的tensorflow无法使用&＃xff0c;如下图所示&＃xff1a;

如果是2.0以上的tensorflow&＃xff0c;建议安装CUDA10.1和cudnn7.6.0。

三、CUdnn与CUDA的对应关系

NVIDIA官网链接&＃xff1a;https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
目前为止&＃xff08;2019年11月2日&＃xff09;&＃xff0c;最新的cuDNN版本号是7.6.3&＃xff0c;7.5和7.6的cuDNN都支持CUDA10.1&＃xff0c;7.4只能支持到CUDA10.0&＃xff0c;一般如果安装的CUDA10.0的话&＃xff0c;cuDNN7.4是可以的。

四、检验tensorflow-gpu安装成功

输入以下命令&＃xff1a;

import tensorflow as tf
a &＃61; tf.constant([1.0,2.0,3.0],shape &＃61; [3], name&＃61;&＃39;a&＃39;)
b &＃61; tf.constant([1.0,2.0,3.0], shape &＃61; [3], name&＃61;&＃39;b&＃39;)
c &＃61; a &＃43;b
sess &＃61; tf.Session(config &＃61; tf.ConfigProto(log_device_placement &＃61;True))
print(sess.run(c))

若显示一下信息&＃xff0c;说明安装成功。

一切安装完毕&＃xff01;&＃xff01;&＃xff01;