首页 > 其他分享 >TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表

TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表

时间:2022-08-27 23:22:37浏览次数:79  
标签:伟达 GCC 3.6 cudnn Pytorch CUDA tensorflow 2.7 3.3

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

标签:伟达,GCC,3.6,cudnn,Pytorch,CUDA,tensorflow,2.7,3.3
From: https://www.cnblogs.com/ywb123/p/16631780.html

相关文章

  • 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cuDNNCUDAte......
  • 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......
  • wsl安装英伟达驱动踩坑
      首先一定要是wsl2,然后是在windows上安装cuda,不要在wsl里面安装,否则没用,win10升级到最新版本安装要在微软商店里面安装,网速最快,命令行安装很慢。  #把默认WSL......
  • 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......