首页 > 其他分享 >TensorFlow和CUDA、cudnn以及Pytorch对应版本对照表

TensorFlow和CUDA、cudnn以及Pytorch对应版本对照表

时间:2022-08-27 19:44:54浏览次数:88  
标签:GCC 3.6 cudnn Pytorch CUDA gpu tensorflow 2.7 3.3

TensorFlow和CUDA、cudnn以及Pytorch对应版本对照表

CUDA下载地址
CUDNN下载地址
torch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

标签:GCC,3.6,cudnn,Pytorch,CUDA,gpu,tensorflow,2.7,3.3
From: https://www.cnblogs.com/ywb123/p/16631309.html

相关文章

  • Pytorch中获取模型摘要的3种方法
    在pytorch中获取模型的可训练和不可训练的参数,层名称,内核大小和数量。Pytorchnn.Module类中没有提供像与Keras那样的可以计算模型中可训练和不可训练的参数的数量并显示......
  • 基于Anacoda搭建虚拟环境cudnn6.0+cuda8.0+python3.6+tensorflow-gpu1.4.0
    !一定要查准cudnn,cuda,tensorflow-gpu对应的版本号再进行安装,且本文一切安装均在虚拟环境中完成。下文以笔者自己电脑为例,展开安装教程阐述(省略anaconda安装教程):1.查询电脑......
  • CUDA C语言扩展
      CUDAC语言对C语言的扩展主要包含以下几个方面。1.函数限定符__device__:声明在设备上执行的函数。该函数无法被CPU端调用,只能由GPU端程序调用,即只能被__device__或_......
  • PyTorch中的CUDA操作
      CUDA(ComputeUnifiedDeviceArchitecture)是NVIDIA推出的异构计算平台,PyTorch中有专门的模块torch.cuda来设置和运行CUDA相关操作。本地安装环境为Windows10,Python3.......
  • 5. PyTorch模型定义
    5.1PyTorch模型定义的方式5.1.1必要的知识回顾Module类是torch.nn模块里提供的一个模型构造类(nn.Moduel),是所有神经网络模块的基类,通过继承nn.Moduel定义所需的模型。......
  • 3. PyTorch主要组成模块(2)
    3.5损失函数损失函数:也称模型的负反馈,是数据输入到模型当中,产生的结果与真实标签的评价指标,我们的模型可以按照损失函数的目标来做出改进。3.5.1二分类交叉熵损失......
  • 使用Pytorch手写ViT — VisionTransformer
    《TheAttentionisallyouneed》的论文彻底改变了自然语言处理的世界,基于Transformer的架构成为自然语言处理任务的的标准。尽管基于卷积的架构在图像分类任务中仍然是......
  • 3. PyTorch主要组成模块(2)
    3.8Pytorch优化器()优化器是根据网络反向传播的梯度信息来更新网络的参数,以起到降低loss函数计算值,使得模型输出更加接近真实标签。3.9.1Pytorch提供的优化器torc......
  • 3. PyTorch主要组成模块(1)
    3.1构建PyTorch项目的基本配置调用常用的库:importosimportnumpyasnpimporttorchimporttorch.nnasnn#常用的神经网络库fromtorch.utils.dataimport......
  • Anaconda, PyTorch, CUDA Driver, PyCharm 安装与配置
    1安装Anaconda(2022.05)最新版本https://www.anaconda.com/历史版本https://repo.anaconda.com/archive/打开安装包:nextIAgreeJustMe(影响之后创建虚拟环境的......