深度学习框架对应的CUDA版本

前言

CUDA (Compute Unified Device Architecture)，是NVIDIA发布的一个通用并行计算平台和编程模型。基于CUDA编程可以利用GPUs的并行计算引擎来更加高效地解决计算量大的难题。近年来，GPU最成功的一个应用就是深度学习领域，基于GPU的并行计算已经成为训练深度学习模型的标配。各个深度学习框架基本也都是CUDA实现对GPU的调用及操作。截至本文发文，最新的CUDA版本为CUDA11.6。

本文主要记录，不同的深度学习框架使用CUDA需要注意的版本等问题。

注意事项

以GPU版本的tensorflow为例，一般注意以下几个问题就不会出错。

1、确定自已要安装那个版本的 tensorflow-gpu;

2、根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本；

3、根据要安装的CUDA版本确定要下载的Cudnn版本（CUDA Deep Neural Network，是用于深度神经网络的GPU加速库）

Tensorflow-gpu版本与CUDA版本对应关系

如下表所示

 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，则按下面列表安装：

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

PyTorch-gpu版本与CUDA版本对应关系

为了用户下载的PyTorch与机器的CUDA版本能应对上，PyTorch的官网做了非常清晰的下载指示。如下图：

目前主流使用的版本为基于CUDA11.3的PyTorch1.11

可参见：Start Locally | PyTorch

CUDNN与CUDA的对应关系

可以直接通过nvidia的官网查看： cuDNN Archive | NVIDIA Developer

参考网址：

CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA Developer

安装tensorflow GPU版本--tensorflow-gpu版本与CUDA版本对应关系（持续更新，目前到TF2.7）_ACE-Mayer的博客-CSDN博客_tensorflow与cuda版本对应