Tensorflow-gpu/CUDA/cuDNN对应版本

Tensorflow-gpu，CUDA，cuDNN对应版本

安装Tensorflow-gpu版本需要匹配安装对应版本的cuda跟cudnn，下面列出最近的版本对应关系，详细查询可上Tensorflow官网。

Windows

Linux

可安装版本查询

在自己的电脑安装Tensorflow的时候无脑跟一些博客安装，一些命令就直接安装上最新的版本，但却发现电脑不支持安装那个新版本，尤其是有了一定年代的电脑，安装需要注意这个问题。由于我是使用Anaconda安装Tensorflow，所以使用conda命令查询可安装的版本。

//以tensorflow为例，使用conda命令搜索安装包
conda search --full --name tensorflow

gpu版本查询如下：

注：查不到的版本说明电脑不支持（可以看到我的电脑只能安装到2.1版本，上次脑瓜疼安装2.2版本最后报了不明错误）

CUDA版本查询

查询电脑的cuda安装版本在某度上可找到很多命令查询，我也一一试试了一遍，最后惊人地查到了三种版本，好无语，最后总结还是以下面的命令查询结果为准。

//安装深度学习框架查询cuda版本命令（windows/linux）
nvcc -V
//或者
nvcc --version

windows系统还可以打开以下目录看到版本文件名：

//Windows查询（10.0即为cuda版本）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

cuDNN版本查询

Windows下查询，进入以下目录：

//这里的（v10.0）要根据具体名称修改
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include\cudnn.h

打开文件cudnn.h ,信息如下：

//以下得到cudnn版本为7.6.5
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 5
–
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

Linux下查询，直接使用以下命令：

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

总结

新手安装深度学习框架最好找个完整详细的博客步骤，不要同时跟好几个博客的内容（建议直接跟着官网的步骤安装），最后各种问题出现，我一开始也是经常装了又装，版本对应问题是最最重要的步骤，需要在一开始就搞定。