- 最好的方法是官網說明：
https://tensorflow.google.cn/install/source_windows
| Version | Python version | Compiler | Build tools | cuDNN | CUDA |
|---|---|---|---|---|---|
| tensorflow_gpu-1.11.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7 | 9 |
| tensorflow_gpu-1.10.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.9.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.8.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.7.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.6.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.5.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.4.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
| tensorflow_gpu-1.3.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
| tensorflow_gpu-1.2.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
| tensorflow_gpu-1.1.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
| tensorflow_gpu-1.0.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
- 驅動的版本，參考：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
| CUDA Toolkit | Linux x86_64 Driver Version | Windows x86_64 Driver Version |
|---|---|---|
| CUDA 10.0.130 | >= 410.48 | >= 411.31 |
| CUDA 9.2 (9.2.148 Update 1) | >= 396.37 | >= 398.26 |
| CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 |
| CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 |
| CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 |
| CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 |
| CUDA 7.5 (7.5.16) | >= 352.31 | >= 353.66 |
| CUDA 7.0 (7.0.28) | >= 346.46 | >= 347.62 |
- Google一下發現是tensorflow1.5.0版本只支持cuda9.0
- I downgrade to tensorflow version 1.4.0 and keras version 2.0.8. 否則版本運行有錯: https://github.com/keras-team/keras/issues/9621
cuda一般安裝在 /usr/local/cuda/ 路徑下，該路徑下有一個version.txt文檔，里面記錄了cuda的版本信息 cat /usr/local/cuda/version.txt 即可查詢 同理，cudnn的信息在其頭文件里 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 即可查詢
- 手欠把
CUDA升級到了9.0，然后發現cuDNN必須升級到7.0才支持。於是順手把cuDNN升級到了7.0。然后發現在Python中導入Tensorflow報錯。一查才知道tensorflow 1.3只支持CUDA8.0和cuDNN6.0.想把CUDA和cuDNN降級回去，卻發現Nvidia官網6.0版本的cuDNN下載不下來了。 -
需要注意的第一點是，在配置時，vs2013=Microsoft Visual Studio 12.0，vs2015=Microsoft Visual Studio 14.0。建議CUDA9.1使用VS2015，CUDA8.0使用VS2013。本質上並沒有區別，但為了區分方便而已。需要注意的第二點是，兩者可以安裝在一台電腦上並不沖突。作者在搜索度娘時有人回答：可以同時安裝，但必須先安裝低版本（CUDA8.0）再安裝高版本（CUDA9.0/9.1），對此筆者並沒有證實，不知道所言是否正確。但為了電腦不會出什么差錯，我還是先安裝了8.0，再安裝了9.1.實測並不沖突，可以兼容。需要注意的第三點是，CUDA8.0對應的cuDNN版本是5.1，CUDA9.0對應的cuDNN7.0。同時，cuDNN可以同時安裝在CUDA8.0和9.0中，而cuDNN7.0只能對CUDA9.0及以上適用。(深度學習配置CUDA8.0/9.0及對應版本cuDNN安裝 )
- cudnn版本對應 + tf版本支持對應
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. Download cuDNN v7.1.2 (Mar 21, 2018), for CUDA 9.1 Download cuDNN v7.1.2 (Mar 21, 2018), for CUDA 9.0 Download cuDNN v7.1.2 (Mar 21, 2018), for CUDA 8.0 Download cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.1 Download cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0 Download cuDNN v7.1.1 (Feb 28, 2018), for CUDA 8.0 Download cuDNN v7.0.5 (Dec 11, 2017), for CUDA 9.1 Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 8.0 Download cuDNN v7.0.4 (Nov 13, 2017), for CUDA 9.0 Download cuDNN v7.0.4 (Nov 13, 2017), for CUDA 8.0 Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0 Download cuDNN v6.0 (April 27, 2017), for CUDA 7.5 Download cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0 Download cuDNN v5.1 (Jan 20, 2017), for CUDA 7.5 Download cuDNN v5 (May 27, 2016), for CUDA 8.0 Download cuDNN v5 (May 12, 2016), for CUDA 7.5 Download cuDNN v4 (Feb 10, 2016), for CUDA 7.0 and later. Download cuDNN v3 (September 8, 2015), for CUDA 7.0 and later. Download cuDNN v2 (March 17,2015), for CUDA 6.5 and later. Download cuDNN v1 (cuDNN 6.5 R1)