哪些TensorFlow和CUDA版本组合兼容？

我注意到某些较新的TensorFlow版本与较旧的CUDA和cuDNN版本不兼容。是否存在兼容版本的概述，甚至存在经过官方测试的组合的列表？我在TensorFlow文档中找不到它。

通常：

检查CUDA版本：

cat /usr/local/cuda/version.txt

和cuDNN版本：

grep CUDNN_MAJOR -A 2 /usr/local/cuda/include/cudnn.h

并安装如下图所示或这里的组合。

以下图像和链接概述了Linux，macOS和Windows上CUDA和TensorFlow的官方支持/测试组合：

次要配置：

由于下面给出的规范在某些情况下可能太宽泛，因此这是一种有效的特定配置：

• tensorflow-gpu==1.12.0
• cuda==9.0
• cuDNN==7.1.4

相应的cudnn可以在此处下载。

（数据于2020年5月20日更新）

Linux GPU

的Linux

macOS GPU

苹果系统

（图更新于2018年5月31日）

视窗

更新为2020年1月14日的：对于最新的信息，请参阅链接为Linux和链接适用于Windows。

tensorflow网站上提供的兼容性表不包含cuda和cuDNN的特定次要版本。但是，如果不符合特定的版本，则在尝试使用tensorflow时会出现错误。

对于tensorflow-gpu==1.12.0和cuda==9.0，兼容cuDNN版本是7.1.4，可以在注册后从此处下载。

您可以使用检查您的CUDA版本
nvcc --version

cuDNN版本使用
cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

tensorflow-gpu版本使用
pip freeze | grep tensorflow-gpu

更新： 自从tensorflow 2.0发布以来，我还将为其共享兼容的cuda和cuDNN版本（对于Ubuntu 18.04）。

• tensorflow-gpu = 2.0.0
• cuda = 10.0
• cuDNN = 7.6.0

如果您在jupyter笔记本中进行编码，并且想要检查tf使用的是哪个cuda版本，请直接在jupyter单元中运行以下命令：

!conda list cudatoolkit

!conda list cudnn

并检查gp是否对tf可见：

tf.test.is_gpu_available(
    cuda_only=False, min_cuda_compute_capability=None
)

您可以对cuda 10.0使用此配置（从3/18开始10.1无效），这对我来说是有效的：

• 张量流> = 1.12.0
• 张量_gpu> = 1.4

安装版本tensorflow gpu：

pip install tensorflow-gpu==1.4.0

我错误地安装了CUDA 10.1和CUDNN 7.6。您可以使用以下配置（这对我有用-从9/10开始）。：

• Tensorflow-gpu == 1.14.0
• CUDA 10.1
• CUDNN 7.6
• Ubuntu 18.04

但是我必须创建符号链接才能使其工作，因为tensorflow最初与CUDA 10兼容。

sudo ln -s /opt/cuda/targets/x86_64-linux/lib/libcublas.so /opt/cuda/targets/x86_64-linux/lib/libcublas.so.10.0
sudo cp /usr/lib/x86_64-linux-gnu/libcublas.so.10 /usr/local/cuda-10.1/lib64/
sudo ln -s /usr/local/cuda-10.1/lib64/libcublas.so.10 /usr/local/cuda-10.1/lib64/libcublas.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcusolver.so.10 /usr/local/cuda/lib64/libcusolver.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcurand.so.10 /usr/local/cuda/lib64/libcurand.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcufft.so.10 /usr/local/cuda/lib64/libcufft.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcudart.so /usr/local/cuda/lib64/libcudart.so.10.0
sudo ln -s /usr/local/cuda/targets/x86_64-linux/lib/libcusparse.so.10 /usr/local/cuda/lib64/libcusparse.so.10.0

并将以下内容添加到我的〜/ .bashrc中-

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/cuda/targets/x86_64-linux/lib/

升级到TF 2.0后，我遇到了类似的问题。TF报告的CUDA版本与Ubuntu 18.04认为我已安装的版本不匹配。它说我正在使用CUDA 7.5.0，但以为我安装了正确的版本。

我最终不得不做的是递归的grep在/usr/local了CUDNN_MAJOR，我发现/usr/local/cuda-10.0/targets/x86_64-linux/include/cudnn.h确实指定版本7.5.0。
/usr/local/cuda-10.1正确地/usr/local/cuda指出了这一点/usr/local/cuda-10.1，所以TF为何看待（至今）对我来说仍然是一个谜/usr/local/cuda-10.0。

无论如何，我只是搬到/usr/local/cuda-10.0了/usr/local/old-cuda-10.0TF ，所以再也找不到它了，然后一切都变得很吸引人。

一切都非常令人沮丧，而且我仍然觉得我只是随机进行了破解。但这有效:)，也许这会帮助遇到类似问题的人。