TensorFlow各版本下载地址,强烈推荐

11年it研发经验,从一个会计转行为算法工程师,学过C#,c++,java,android,php,go,js,python,CNN神经网络,四千多篇博文,三千多篇原创,只为与你分享,共同成长,一起进步,关注我,给你分享更多干货知识!

2.3.0支持cuda10.2

pip install tensorflow-gpu==2.3.0

tensorflow 和cuda对应关系:

在 Windows 环境中从源代码构建  |  TensorFlow

版本 Python 版本 编译器 构建工具 cuDNN CUDA
tensorflow_gpu-2.6.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0 8.0 11.0
tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 7.6 10.1
tensorflow_gpu-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0 7.6 10.1
tensorflow_gpu-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1-0.29.1 7.6 10.1
tensorflow_gpu-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1-0.25.2 7.4 10
tensorflow_gpu-1.13.0 3.5-3.7 MSVC 2015 update 3 Bazel 0.19.0-0.21.0 7.4 10
tensorflow_gpu-1.12.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7.2 9.0
tensorflow_gpu-1.11.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.0.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8

tf 1.15.0以前只支持cuda10.0,不支持cuda10.1

cuda10.1可以安装,但是运行报错:

2021-07-24 11:54:59.464821: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudart64_100.dll'; dlerror: cudart64_100.dll not found
2021-07-24 11:54:59.465448: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.
WARNING:tensorflow:From F:/project/dianyuanfenge/RandLA-Net/utils/call_tf.py:4: The name tf.Session is deprecated. Please use tf.compat.v1.Session instead.

如果是2.0以上的tensorflow,按下面列表安装(2021年3月更新):

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

安装方法:

pip install tensorflow-gpu -U

cpu版本:

pip install --upgrade --ignore-installed tensorflow

安装后测试代码:

import tensorflow as tf

with tf.device('/cpu:0'):
    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')
with tf.device('/gpu:0'):
    c = a + b

# 注意:allow_soft_placement=True表明:计算设备可自行选择,如果没有这个参数,会报错。
# 因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

pip install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

tf2.0以上版本api改了不少,兼容性也有各种问题。

win10 cuda9可以安装:

pip install tensorflow-gpu==1.8.0 --user -i Simple Index

keras安装

pip install keras -U --pre

清华镜像下载地址:

Links for tensorflow-gpu

TensorFlow各版本自主下载地址:

cpu版本:

pip install 链接:

tensorflow · PyPI

下载地址链接:

tensorflow · PyPI

gpu版本:

tensorflow-gpu · PyPI

现在不提供下载了,只提供安装命令:比如1.5.0版本

pip install tensorflow-gpu==1.5.0

切换版本号:只要把后面的版本号改一下就行了

一、tensorflow各个版本需要的CUDA版本以及Cudnn的对应关系
1.1 对应表格

相应的网址为:

https://www.tensorflow.org/install/source#common_installation_problems

https://www.tensorflow.org/install/source_windows

版本    Python 版本    编译器    编译工具    cuDNN    CUDA
tensorflow_gpu-2.0.0-alpha0    2.7、3.3-3.6    GCC 4.8    Bazel 0.19.2    7.4.1以及更高版本    CUDA 10.0 (需要 410.x 或更高版本)
tensorflow_gpu-1.13.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.19.2    7.4    10.0
tensorflow_gpu-1.12.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.15.0    7    9
tensorflow_gpu-1.11.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.15.0    7    9
tensorflow_gpu-1.10.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.15.0    7    9
tensorflow_gpu-1.9.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.11.0    7    9
tensorflow_gpu-1.8.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.10.0    7    9
tensorflow_gpu-1.7.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.9.0    7    9
tensorflow_gpu-1.6.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.9.0    7    9
tensorflow_gpu-1.5.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.8.0    7    9
tensorflow_gpu-1.4.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.5.4    6    8
tensorflow_gpu-1.3.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.4.5    6    8
tensorflow_gpu-1.2.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.4.5    5.1    8
tensorflow_gpu-1.1.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.4.2    5.1    8
tensorflow_gpu-1.0.0    2.7、3.3-3.6    GCC 4.8    Bazel 0.4.2    5.1    8
现在NVIDIA的显卡驱动程序已经更新到 10.1版本,最新的支持CUDA 10.1版本的cuDNN为7.5.0

1.2 CUDA的命名规则

下面以几个例子来说

(1)CUDA 9.2

CUDA  9.2.148

(2)CUDA 10.0

CUDA 10.0.130.411.31(后面的411.31对应更具体的版本号)

(3)CUDA 10.1

CUDA 10.1.105.418.96(后面的418.96对应更具体的版本号)

更多详细的请参考如下官网:

https://developer.nvidia.com/cuda-toolkit-archive

1.3 如何查看自己所安装的CUDA的版本:

(1)直接在NVIDIA的控制面板里面查看NVCUDA.DLL的版本。

注意:这里网上有很多说法是错误的,这个版本并不能绝对说明自己所安装的CUDA工具包一定这个版本

(2)通过命令查看:nvcc -V 或者是nvcc --version都可以,但前提是添加了环境变量

(3)直接通过文件查看,这里分为Linux和windows两种情况

在windows平台下,可以直接进入CUDA的安装目录,比如我的是:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2   里面有一个version.txt的文本文件,直接打开即可,也可以使用命令,即

首先进入到安装目录,然后执行:type version.txt 即可查看

在Linux平台下:

同windows类似,进入到安装目录,然后执行  cat version.txt 命令
 

如果想在window系统自己编译TensorFlow1.6,可以参考:

https://blog.csdn.net/jacke121/article/details/80411718

https://blog.csdn.net/jacke121/article/details/80427283

如果想在window系统下编译TensorFlow动态库,可以参考:

https://blog.csdn.net/jacke121/article/details/80473648

欢迎关注我的公众号,最新资讯会在这里与大家及时分享。

猜你喜欢

转载自blog.csdn.net/jacke121/article/details/78870689