哪些TensorFlow和CUDA版本组合兼容？

我注意到一些较新的TensorFlow版本与较旧的CUDA和cuDNN版本不兼容。是否有兼容版本的概述，甚至是官方测试的组合列表？我在TensorFlow文档中找不到它

TL；DR）见下表：

一般来说： 检查CUDA版本：

cat /usr/local/cuda/version.txt

和cuDNN版本：

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

并安装一个组合，如下图或中所示

以下图片和链接概述了Linux、macOS和Windows上官方支持/测试的CUDA和TensorFlow组合：

次要配置： 由于以下给定规范在某些情况下可能过于宽泛，因此以下是一个具体的配置：

• tensorflow gpu==1.12.0

• cuda==9.0

• cuDNN==7.1.4

可下载相应的cudnn

测试生成配置 有关最新的兼容性图表（适用于官方TF车轮），请参阅

（数据于2020年5月20日更新）

Linux GPU

Linux CPU

macOS GPU

macOS CPU

Windows GPU

Windows CPU

---

自2020年12月5日起更新：有关更新信息，请参阅和。

中给出的兼容性表不包含cuda和cuDNN的特定次要版本。但是，如果不满足特定版本，则在尝试使用tensorflow时会出现错误

对于

tensorflow gpu==1.12.0

和

cuda==9.0

，兼容的

cuDNN

版本为

7.1.4

，注册后可从下载

您可以使用

nvcc--版本

cuDNN版本使用

cat/usr/include/cudnn.h| grep cudnn|u专业-a2

tensorflow gpu版本使用

pip冻结| grep tensorflow gpu

更新： 自从tensorflow 2.0发布以来，我将为它分享兼容的cuda和cuDNN版本（适用于Ubuntu 18.04）

• tensorflow gpu

  =2.0.0

• cuda

  =10.0

• cuDNN

  =7.6.0

---

您可以将此配置用于cuda 10.0（10.1从2018年3月起不起作用），此配置适用于我：

• tensorflow>=1.12.0
• TensorFlowGPU>=1.4

安装tensorflow gpu版本：

pip install tensorflow-gpu==1.4.0

---

我错误地安装了CUDA 10.1和CUDNN 7.6。您可以使用以下配置（从9月10日起，这对我很有效）：

• Tensorflow gpu==1.14.0
• CUDA 10.1
• CUDNN 7.6
• Ubuntu 18.04

但我必须为它创建符号链接，因为tensorflow最初与CUDA 10一起工作

sudo ln -s /opt/cuda/targets/x86_64-linux/lib/libcublas.so /opt/cuda/targets/x86_64-linux/lib/libcublas.so.10.0
sudo cp /usr/lib/x86_64-linux-gnu/libcublas.so.10 /usr/local/cuda-10.1/lib64/
sudo ln -s /usr/local/cuda-10.1/lib64/libcublas.so.10 /usr/local/cuda-10.1/lib64/libcublas.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcusolver.so.10 /usr/local/cuda/lib64/libcusolver.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcurand.so.10 /usr/local/cuda/lib64/libcurand.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcufft.so.10 /usr/local/cuda/lib64/libcufft.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcudart.so /usr/local/cuda/lib64/libcudart.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcusparse.so.10 /usr/local/cuda/lib64/libcusparse.so.10.0

并将以下内容添加到我的~/.bashrc-

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/cuda/targets/x86_64-linux/lib/

---

如果您正在jupyter notebook中编码，并且希望检查tf使用的cuda版本，请直接在jupyter单元格中运行以下命令：

!conda list cudatoolkit

!conda list cudnn

并检查tf是否可以看到gpu：

tf.test.is_gpu_available(
    cuda_only=False, min_cuda_compute_capability=None
)

---

升级到TF2.0后，我遇到了类似的问题。TF报告的CUDA版本与Ubuntu 18.04认为我安装的版本不匹配。它说我正在使用CUDA 7.5.0，但apt认为我安装了正确的版本

我最终不得不在

/usr/local

中为

CUDNN_MAJOR

递归地执行grep操作，我发现

/usr/local/cuda-10.0/targets/x86_64-linux/include/CUDNN.h

确实将版本指定为

7.5.0

/usr/local/cuda-10.1

做对了，并且

/usr/local/cuda

指向

/usr/local/cuda-10.1

，所以TF为什么要看

/usr/local/cuda-10.0

，这对我来说是个谜

不管怎样，我只是把

/usr/local/cuda-10.0

移动到

/usr/local/old-cuda-10.0

，这样TF就再也找不到了，一切都很顺利

---

这一切都非常令人沮丧，我仍然觉得我只是做了一个随机的黑客。但是它起了作用：）也许这会对有类似问题的人有所帮助。

我确实注意到，TensorFlow版本<1.0已被排除在概述之外。有人知道在哪里可以找到旧版本的相同列表吗？看起来他们没有指定cuda和cudnn的次要版本，更新：测试过的TF-GPU 1.12、Windows 10、cuda 9.0、cudnn 7.3.1、Python 3.6.6不要更新这些数字，链接到文档。链接的更改频率低于tables@Fábio：根据您的要求，用最新的链接更新了您的答案。问题在于兼容性和（官方）测试的组合，在我看来，安装说明中没有提供这些组合。另外，我找不到您所指的部分。这些观察结果表明，我的总体观点是，请求的信息很难找到，因此有理由轻松访问答案中发布的链接。您会发现您提到的页面上的CUDA和cuDNN版本与安装说明中的一个相匹配。要查找安装说明，转到我上面链接的页面，然后按照您操作系统的链接进行操作。您所指的部分只是为我提供了CUDA和cuDNN的兼容版本——有一次——我发现了我想要的TensorFlow版本。在已安装CUDA和cuDNN但未安装TF的常见情况下（例如在.edu实验室环境中），显然需要进行概述。我的说法是，它非常隐蔽，很难找到（我不是苹果公司通过谷歌搜索找到的）。哦，我明白你的意思了——试着看看哪个tensorflow版本适合特定的CUDA/cuDNN组合。你可以浏览TF的发行说明，但是你链接到的表格确实是一个很好的总结。你的回答非常有用。就像你说的，文档不太清楚，无法调用次要版本。我遵循了你的配置，它成功了！是否可以在CU上训练TF1.4模型