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：

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。

TensorFlow各版本下载地址，强烈推荐

猜你喜欢