tensorflow版本、CUDA/cuDNN版本、python版本和GPU计算能力对应关系

tensorflow-gpu 与 python版本、CUDA、CUDNN关系

显卡驱动和cuda以及cuDNN的版本关系

TensorFlow​经过测试的构建配置官网说明

今天装tensorflow-gpu出现了很多问题 1.pip install tensorflow-gpu下载过慢 解决办法可查看 Python机器学习常用模块 2.安装完tensorflow以后，运行时出现ImportError: Could not find ‘cudart64_90.dll’ 解决办法：在https://developer.nvidia.com/cuda-toolki...

Note: GPU support on native-Windows is only available for 2.10 or earlier versions, starting in TF 2.11, CUDA build is not supported for Windows. For using TensorFlow GPU on Windows, you will need to build/install TensorFlow in WSL2 or use tensorflow-cpu w

查看自己的Windows电脑是否成功安装了CUDA 第一步：同时按键盘上的“windows键+R”，输入“cmd”并回车，进入windows的命令行界面。 第二步：命令行里输入“nvcc -V”并回车 第三步：如果已经成功安装CUDA的话，会显示CUDA的版本号的。 安装CUDA 首先，查看电脑的NVIDIA 版本是否支持CUDA 以及能够配置的CUDA 版本 方法： 在桌面空白处单击右键，打开英伟达控制面板，如果找不到可以参考如下网址win10 nvidia控制面板怎么打开,wi...

文章目录一、CUDA和cuDNN对应版本1.1 CUDA驱动和CUDAToolkit对应版本1.2 CUDA和cuDNN对应版本二、Pytorch、CUDA版本匹配三、TensorFlow、Python、CUDA、cuDNN版本匹配3.1 Windows3.2 Linux四、Keras、TensorFlow、Python版本匹配4.1 简介4.2 安装版本匹配 前言 安装CUDA前，最好先确定自己需要安装的TensorFlow版本或者pytorch版本，然后根据TensorFlow版本或者pytorch

GPU与tensorflow版本对应

tensorflow、Python、cuDNN、CUDA之间的版本对应关系

概述，需要注意以下几个问题： （1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。 显卡驱动的安装： 当我们使用一台电脑的时候默认的已经安装了NVIDIA的显卡驱动，因为没有显卡驱动根本用不了显卡嘛，但是这个时候我们是没有CUDA可以用的

Linux-GPU Linux Mac-GPU Mac

GPU 版本 Python 版本 编译器 构建工具 cuDNN CUDA tensorflow-2.4.0 3.6-3.8 GCC 7.3.1 Bazel 3.1.0 8.0 11.0 tensorflow-2.3.0 3.5-3.8 GCC 7.3.1 Bazel 3.1.0 7.6 10.1 tensorflow-2.2.0 3.5-3.8 GCC 7.3.1 Bazel 2.0.0

tensorflow GPU cuda11.6

https://blog.csdn.net/oMoDao1/article/details/83241074

pip太杂乱了，出问题了不好排查，很多其他教程给的各种版本经常找不到，pip和conda命令混着用，跟着教程走半天发现推不下去了，全白干。我提供的版本只是确定能用的，不是最新的，如果以后要装别的东西或者有自己想要的版本要用注意先用search命令先看一下conda支持的channel里有没有你要的软件包。前几天电脑坏了，之前弄好的深度学习环境没有了，好久没配都忘了，今天重新配好了，试了不少版本组合，记一下确定能用的软件版本。python版本是创建环境时在anaconda里设置的，注意一下就行。