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）「建议收藏」

编程汇总 • 2025-04-10 18:33 • 阅读 36

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')