TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表
2022/8/27 23:52:55
本文主要是介绍TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表
CUDA下载地址
CUDNN下载地址
torch下载
英伟达显卡下载
一、TensorFlow对应版本对照表
| 版本 | Python 版本 | 编译器 | cuDNN | CUDA |
|---|---|---|---|---|
| tensorflow-2.9.0 | 3.7-3.10 | 8.1 | 11.2 | |
| tensorflow-2.8.0 | 3.7-3.10 | 8.1 | 11.2 | |
| tensorflow-2.7.0 | 3.7-3.9 | 8.1 | 11.2 | |
| tensorflow-2.6.0 | 3.6-3.9 | GCC 7.3.1 | 8.1 | 11.2 |
| tensorflow-2.5.0 | 3.6-3.9 | GCC 7.3.1 | 8.1 | 11.2 |
| tensorflow-2.4.0 | 3.6-3.8 | GCC 7.3.1 | 8.0 | 11.0 |
| tensorflow-2.3.0 | 3.5-3.8 | GCC 7.3.1 | 7.6 | 10.1 |
| tensorflow-2.2.0 | 3.5-3.8 | GCC 7.3.1 | 7.6 | 10.1 |
| tensorflow-2.1.0 | 2.7、3.5-3.7 | GCC 7.3.1 | 7.6 | 10.1 |
| tensorflow-2.0.0 | 2.7、3.3-3.7 | GCC 7.3.1 | 7.4 | 10.0 |
| tensorflow_gpu-1.15.0 | 2.7、3.3-3.7 | GCC 7.3.1 | 7.4 | 10.0 |
| tensorflow_gpu-1.14.0 | 2.7、3.3-3.7 | GCC 4.8 | 7.4 | 10.0 |
| tensorflow_gpu-1.13.1 | 2.7、3.3-3.7 | GCC 4.8 | 7.4 | 10.0 |
| tensorflow_gpu-1.12.0 | 2.7、3.3-3.6 | GCC 4.8 | 7 | 9 |
| tensorflow_gpu-1.11.0 | 2.7、3.3-3.6 | GCC 4.8 | 7 | 9 |
| tensorflow_gpu-1.10.0 | 2.7、3.3-3.6 | GCC 4.8 | 7 | 9 |
| tensorflow_gpu-1.9.0 | 2.7、3.3-3.6 | GCC 4.8 | 7 | 9 |
| tensorflow_gpu-1.8.0 | 2.7、3.3-3.6 | GCC 4.8 | 7 | 9 |
| tensorflow_gpu-1.7.0 | 2.7、3.3-3.6 | GCC 4.8 | 7 | 9 |
| tensorflow_gpu-1.6.0 | 2.7、3.3-3.6 | GCC 4.8 | 7 | 9 |
| tensorflow_gpu-1.5.0 | 2.7、3.3-3.6 | GCC 4.8 | 7 | 9 |
| tensorflow_gpu-1.4.0 | 2.7、3.3-3.6 | GCC 4.8 | 6 | 8 |
| tensorflow_gpu-1.3.0 | 2.7、3.3-3.6 | GCC 4.8 | 6 | 8 |
| tensorflow_gpu-1.2.0 | 2.7、3.3-3.6 | GCC 4.8 | 5.1 | 8 |
| tensorflow_gpu-1.1.0 | 2.7、3.3-3.6 | GCC 4.8 | 5.1 | 8 |
| tensorflow_gpu-1.0.0 | 2.7、3.3-3.6 | GCC 4.8 | 5.1 | 8 |
二、Pytorch对应版本对照表
| PyTorch 版本 | CUDA 环境 |
|---|---|
| 0.4.1、1.2.0、1.4.0、1.5.0(1)、1.6.0、1.7.0(1) | 9.2 |
| 1.2.0、1.1.0、1.0.0(1) | 10.0 |
| 1.4.0、1.5.0(1)、1.6.0、1.7.0(1) | 10.1 |
| 1.5.0(1)、1.6.0、1.7.0(1)、1.8.0(1)、1.9.0、1.10.0 | 10.2 |
| 1.7.0(1) | 11.0 |
| 1.8.0(1)、1.9.0、1.10.0 | 11.1 |
| 1.8.0(1)、1.9.0、1.10.0 | 11.3 |
三、英伟达显卡算力
| CUDA Toolkit | Toolkit Driver Version Linux() |
|---|---|
| CUDA 11.7 Update 1 | >=515.65.01 |
| CUDA 11.7 GA | >=515.43.04 |
| CUDA 11.6 Update 2 | >=510.47.03 |
| CUDA 11.6 Update 1 | >=510.47.03 |
| CUDA 11.6 GA | >=510.39.01 |
| CUDA 11.5 Update 2 | >=495.29.05 |
| CUDA 11.5 Update 1 | >=495.29.05 |
| CUDA 11.5 GA | >=495.29.05 |
| CUDA 11.4 Update 4 | >=470.82.01 |
| CUDA 11.4 Update 3 | >=470.82.01 |
| CUDA 11.4 Update 2 | >=470.57.02 |
| CUDA 11.4 Update 1 | >=470.57.02 |
| CUDA 11.4.0 GA | >=470.42.01 |
| CUDA 11.3.1 Update 1 | >=465.19.01 |
| CUDA 11.3.0 GA | >=465.19.01 |
| CUDA 11.2.2 Update 2 | >=460.32.03 |
| CUDA 11.2.1 Update 1 | >=460.32.03 |
| CUDA 11.2.0 GA | >=460.27.03 |
| CUDA 11.1.1 Update 1 | >=455.32 |
| CUDA 11.1 GA | >=455.23 |
| CUDA 11.0.3 Update 1 | >= 450.51.06 |
| CUDA 11.0.2 GA | >= 450.51.05 |
| CUDA 11.0.1 RC | >= 450.36.06 |
| CUDA 10.2.89 | >= 440.33 |
| CUDA 10.1 (10.1.105 general release, and updates) | >= 418.39 |
| CUDA 10.0.130 | >= 410.48 |
| CUDA 9.2 (9.2.148 Update 1) | >= 396.37 |
| CUDA 9.2 (9.2.88) | >= 396.26 |
| CUDA 9.1 (9.1.85) | >= 390.46 |
| CUDA 9.0 (9.0.76) | >= 384.81 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 |
| CUDA 8.0 (8.0.44) | >= 367.48 |
| CUDA 7.5 (7.5.16) | >= 352.31 |
| CUDA 7.0 (7.0.28) | >= 346.46 |
这篇关于TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！
- 2024-10-30tensorflow是什么-icode9专业技术文章分享
- 2024-10-15成功地使用本地的 NVIDIA GPU 运行 PyTorch 或 TensorFlow
- 2024-01-23供应链投毒预警 | 恶意Py包仿冒tensorflow AI框架实施后门投毒攻击
- 2024-01-19attributeerror: module 'tensorflow' has no attribute 'placeholder'
- 2024-01-19module 'tensorflow.compat.v2' has no attribute 'internal'
- 2023-07-17【2023年】第33天 Neural Networks and Deep Learning with TensorFlow
- 2023-07-10【2023年】第32天 Boosted Trees with TensorFlow 2.0（随机森林）
- 2023-07-09【2023年】第31天 Logistic Regression with TensorFlow 2.0（用TensorFlow进行逻辑回归）
- 2023-07-01【2023年】第30天 Supervised Learning with TensorFlow 2（用TensorFlow进行监督学习 2）
- 2023-06-18【2023年】第29天 Supervised Learning with TensorFlow 1（用TensorFlow进行监督学习 1）
