tensorflow各個版本
參考文章
-
1.x各版本下載地址
https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/ -
tensorflow各個版本的CUDA以及Cudnn版本對應關系
https://blog.csdn.net/qq_27825451/article/details/89082978
一、tensorflow各個版本需要的CUDA版本以及Cudnn的對應關系
| 版本 | Python 版本 | 編譯器 | 編譯工具 | cuDNN | CUDA |
|---|---|---|---|---|---|
| tensorflow_gpu-2.0.0-alpha0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.19.2 | 7.4.1以及更高版本 | CUDA 10.0 (需要 410.x 或更高版本) |
| tensorflow_gpu-1.13.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.19.2 | 7.4 | 10.0 |
| tensorflow_gpu-1.12.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.15.0 | 7 | 9 |
| tensorflow_gpu-1.11.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.15.0 | 7 | 9 |
| tensorflow_gpu-1.10.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.15.0 | 7 | 9 |
| tensorflow_gpu-1.9.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.11.0 | 7 | 9 |
| tensorflow_gpu-1.8.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.10.0 | 7 | 9 |
| tensorflow_gpu-1.7.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.9.0 | 7 | 9 |
| tensorflow_gpu-1.6.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.9.0 | 7 | 9 |
| tensorflow_gpu-1.5.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.8.0 | 7 | 9 |
| tensorflow_gpu-1.4.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.5.4 | 6 | 8 |
| tensorflow_gpu-1.3.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.4.5 | 6 | 8 |
| tensorflow_gpu-1.2.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.4.5 | 5.1 | 8 |
| tensorflow_gpu-1.1.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.4.2 | 5.1 | 8 |
| tensorflow_gpu-1.0.0 | 2.7、3.3-3.6 | GCC 4.8 | Bazel 0.4.2 | 5.1 | 8 |
二、Nvidia 顯卡算力
PC顯卡算力
筆記本顯卡算力
三、名詞
CUDA
CUDA是NVIDIA推出的用於自家GPU的並行計算框架，也就是說CUDA只能在NVIDIA的GPU上運行，而且只有當要解決的計算問題是可以大量並行計算的時候才能發揮CUDA的作用。
-
CUDA的本質是一個工具包（ToolKit）；但是二者雖然不一樣的。
-
CUDA和顯卡驅動是沒有版本綁定關系。
顯卡驅動下載地址： https://www.nvidia.com/Download/index.aspx?lang=en-us
CUDA的下載地址為：https://developer.nvidia.com/cuda-downloads -
查看自己所安裝的CUDA的版本
（1）直接在NVIDIA的控制面板里面查看NVCUDA.DLL的版本。（注意：並不能絕對說明自己安裝的CUDA工具包一定這個版本）
（2）通過命令查看：nvcc -V 或者是nvcc --version都可以，但前提是添加了環境變量
（3）直接通過文件查看，這里分為Linux和windows兩種情況
在windows平台
可以直接進入CUDA的安裝目錄，比如我的是：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2 里面有一個version.txt的文本文件，直接打開即可，也可以使用命令，即
首先進入到安裝目錄，然后執行：type version.txt 即可查看
在Linux平台下：
同windows類似，進入到安裝目錄，然后執行 cat version.txt 命令
cuDNN
是一個SDK，是一個專門用於神經網絡的加速包，注意，它跟我們的CUDA沒有一一對應的關系，即每一個版本的CUDA可能有好幾個版本的cuDNN與之對應，但一般有一個最新版本的cuDNN版本與CUDA對應更好。
- cuDNN與CUDA沒有版本綁定的關系。
查看自己的cuDNN的版本
- windows平台：
進入安裝目錄：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include 之下，然后找到
cudnn.h 的頭文件，直接打開查看，在最開始的部分會有如下定義：
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
- 1
- 2
- 3
define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)即7500，也就是cudnn的版本為7.5.0版本；
-
Linux下通過命令：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
即5005，即5.0.5版本的cudnn。
CUPTI
CUDA 工具包附帶的 CUPTI。 CUPTI，即CUDA Profiling Tools Interface (CUPTI)。在CUDA分析工具接口（CUPTI）能夠分析和跟蹤靶向CUDA應用程序的工具的創建。CUPTI提供以下API：
Activity API 、 Callback API 、事件API、 Metric API 、 Profiler API
API文檔地址 https://docs.nvidia.com/cupti/Cupti/index.html