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 tfwith 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,强烈推荐相关推荐
- torch和tensorflow各版本下载地址,tensorflow与cuda版本对应关系
torch: 下载地址:https://download.pytorch.org/whl/torch_stable.html Tensorflow: 下载地址:https://pypi.tuna.ts ...
- JRE和JDK 1.3、1.4、1.5(5.0)、6.0 各版本下载地址大全(J2SDK,JavaSE JavaEE)
本文转载(http://hi.baidu.com/y66901356/blog/item/7d32bf0abf7d7c3ab0351d39.html) 本人绝对支持原创!!! Java SE Deve ...
- Apache软件历史版本下载地址
Apache软件历史版本下载地址: http://archive.apache.org/dist/
- Ext JS 6正式版的GPL版本下载地址
下面是Ext JS 6正式版的GPL版本下载地址 https://www.sencha.com/legal/gpl/ 转载于:https://blog.51cto.com/dqhuang/167041 ...
- matlab R2010a windows和linux版本下载地址
matlab R2010a windows和linux版本下载地址: win:ed2k://|file|[%E7%9F%A9%E9%98%B5%E5%AE%9E%E9%AA%8C%E5%AE%A4]. ...
- Visual Studio 2015 update 3各版本下载地址
Visual Studio 2015 update 3各版本下载地址 标签: VS2015update 3 2016-11-28 14:32 2899人阅读 评论(0) 收藏 举报 分类: othe ...
- consul历史版本下载地址
consul最新版本下载地址 https://www.consul.io/downloads.html consul历史版本下载地址 https://releases.hashicorp.com/co ...
- gradle各版本下载地址
gradle各版本下载地址 原创 2016年08月16日 11:17:25 标签: gradle更新 / android studio 59713 gradle各版本下载地址:http://servi ...
- Tomcat、JDK 历史版本下载地址
Tomcat 历史版本下载地址 http://archive.apache.org/dist/tomcat/ JDK 历史版本下载地址 https://www.oracle.com/technetwo ...
最新文章
- Codeforces Round #596 Div. 2 C ~E
- 并发-9-Callable和Future
- mysql执行计划_mysql的sql执行计划详解
- 天鹅给癞蛤蟆的回信[转贴]
- linux 命令 抛后台,Linux 后台执行命令
- c语言 判断一个图是否全连通_基于云平台的全链路大规模网络连通性检测系统详解...
- mysql5.7.24 安装步骤_MySQL5.7.24解压版安装步骤
- python按照日期筛选数据_Pandas日期数据处理:如何按日期筛选、显示及统计数据...
- FineBI:一个简单易用的自助BI工具
- 精准验码,昂视助力锂电生产管理追溯
- 制订项目进度计划的讨论
- 微信公众号二维码在哪里看?如何查看自己的微信公众号二维码?
- python爬取喜马拉雅音频数据
- 用python计算工资工资_python税后工资计算器
- Echarts 双柱状图+折线图合并---实现效果详解(vue+Echarts实现)
- 【考研英语语法】代词练习题
- 互联网,自媒体和微创新
- 跑马问题--36匹马,跑道每次最多只能有6匹马进行比赛,最少进行多少次比赛能比出前3名?
- python 开发网站过程_Django框架下Python网站开发过程综述
- vscode(二)好用的Settings文件
热门文章
- 最清楚的mmap()详解与源码分析
- leetcode327 超时大坑
- 微型计算机应用重点,微型计算机原理以及的应用考试重点.doc
- fft 重叠加法_FFT重叠相加法 参数如何定 h M?
- 浏览器内核_测量时间:从Java到内核再到
- matlab中PDE工具箱如何使用,使用PDE工具箱求解偏微分方程
- 日志按照天自动输出_性能测试和接口自动化测试
- 如何利用自定义注解放行 Spring Security 项目的接口
- 这场景像不像你修Bug的样子?
- 京东的热点key探测系统发布,单机 QPS 提升至 37 万