TensorFlow 与 cuda cudnn版本对应关系

找到对应版本号，点击TensorRT Installation Guide(安装指南)——>2.Getting started——>Verify that you have the CUDA Toolkit installed;

资料来自官方：hl=en。

转载自：https://blog.csdn.net/weixin_39673002/article/details/113053729仅作学习记录。

TensorFlow、PyTorch各版本对应的CUDA、cuDNN关系（截止2021年1月4日）TensorFowLinuxmacOSWindowsPyTorchCPUGPU 因为之前tensorflow、pytorch配环境在cuda上吃过很多亏，主要是版本不匹配造成的，所以自行整理了对应关系，资料均来自官网。 TensorFow 官网：https://www.tensorflow.org/?hl=zh-cn Linux macOS Windows PyTorch PyTorch官网：htt

概述，需要注意以下几个问题： （1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。 显卡驱动的安装： 当我们使用一台电脑的时候默认的已经安装了NVIDIA的显卡驱动，因为没有显卡驱动根本用不了显卡嘛，但是这个时候我们是没有CUDA可以用的

不同版本的Tensorflow需对应不同的CUDA和cudnn版本，否者容易安装失败。可按下图所示，根据想要安装的Tensorflow版本，选择对应版本的CUDA和cudnn。

这个是官方测试TensorRT的Release日志，里面指明了当前测试的TensorRT版本是在哪个CUDNN等库下的测试结果，也就是说如果按照里面的测试时的版本对应的话能达到推理速度最快。在发布模型和推理发布的TRT模型时应该会出现相应的警告，如果出现警告，那么可以调整为官方要求的版本，那么还有很大的速度提升，，，留心一下。

近日配置最新的tensorflow-gpu2.4.1遇到诸多问题，在这里贴出来以帮助遇到同样问题或者避免大家重蹈覆辙。 环境：WINDOWS10 ， GPURTX2060， CPUAMD RYZEN 2600， Python3.8 这篇文件解决以下问题： 应该安装哪些版本的环境才能兼容使用 现有的CUDA，cuDNN环境卸载 以及如何安装这些环境 应该安装哪些版本的环境才能兼容使用 安装tensorflow-gpu==2.4.1以及CUDA11.1与CUDNN8.1环境会遇到许多问题，诸如此类 1.dl

1. 如何彻底的卸载anaconda（包括配置文件） 安装 Anaconda-Clean package 打开 Anaconda Prompt， 输入如下命令： conda install anaconda-clean 输入如下命令卸载 anaconda-clean --yes 直接运行安装目录下的 Uninstall-Anaconda3.exe 即可，但是这样卸载并没有完全卸载。 2. windows10下CUDA11.1、cuDNN8.0、tensorflow-gpu2.4.1安装教

CUDA和cuDNN是由NVIDIA提供的两个关键软件库，用于利用NVIDIA GPU进行高性能计算和深度学习加速。

上面的显卡架构及其对应的CUDA版本和稳定版本是怎么得出来的呢？请看下图，从2016年起，Nvidia推出Pascal架构同时推出CUDA8，2017年推出Volta时推出CUDA9，2018年推出Turing推出CUDA10，依次类推😂。第2个问题，机器是否安装Driver，只需要调用命令：nvidia-smi查看是否有cuda版本即可，安装的cuda版本必须低于Driver版本。

从ubuntu+cuda8.0+cudnn5.1+tensorflow gpu的配置 CUDA：https://developer.nvidia.com/cuda-toolkit-archive cuDNN：https://developer.nvidia.com/rdp/cudnn-archive

最近在做边缘计算相关工作，Tensorrt作为常用的推理引擎，在环境部署的时候需要下载。

模型部署推理时，涉及Trt与CUDA版本匹配的问题，本文记录一下如何查询匹配的CUDA，cuDNN和TensorRT版本，并配置安装。