大家好，又见面了，我是你们的朋友全栈君。
一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错
（1）确定自己要安装哪个版本的tensorflow-gpu；
（1）根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本；
（2）根据要安装的CUDA版本确定要下载的Cudnn版本。
二、tensorflow-gpu版本与CUDA版本对应关系
不同版本的tensorflow-gpu与CUDA对应关系如下表所示（图片有点旧了，python版本是2.7和3.3-3.8）：
对于版本号大于1.13的tensorflow-gpu的1.x版本，如1.14、1.15，建议安装CUDA10.0，不要安装CUDA10.1，安装后会提示缺少很多库文件，而导致GPU版本的tensorflow无法使用，如下图所示：
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 |
| 2.5 | 11.2 | 8.1 |
| 2.6 | 11.3 | 8.2 |
| 2.7 | 11.3 | 8.2 |
三、CUdnn与CUDA的对应关系
NVIDIA官网链接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
目前为止（2019年11月2日），最新的cuDNN版本号是7.6.3，7.5和7.6的cuDNN都支持CUDA10.1，7.4只能支持到CUDA10.0，一般如果安装的CUDA10.0的话，cuDNN7.4是可以的。
四、检验tensorflow-gpu安装成功
输入以下命令：
import tensorflow as tf
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')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))
若显示一下信息，说明安装成功。
如果按照以上方法安装后出现了以下错误：
ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory
那么在终端输入以下命令：
sudo ldconfig /usr/local/cuda-10.0/lib64
一般就能解决问题！
也可用一下方式临时检验：
对于2.0以前版本：
tf.test.is_gpu_available()
2.1以后版本：
tf.config.list_physical_devices('GPU')
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/145966.html原文链接：https://javaforall.net
