tensorflow-gpu与cuda 关系

标签：成功   local   class   info   conda   run   VID   image   pre   

对于版本号大于1.13的tensorflow-gpu版本，如1.14、1.15和2.0，要安装CUDA10.0，不要安装最新的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。

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

检验tensorflow-gpu安装成功

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))

如果出现错误

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(未测试）：

sudo ldconfig /usr/local/cuda-10.0/lib64

nvidia-cuda 镜像地址
https://hub.docker.com/r/nvidia/cuda/tags?page=4

anaconda python 版本对应关系

tensorflow-gpu与cuda 关系

标签：成功   local   class   info   conda   run   VID   image   pre   

原文地址：https://www.cnblogs.com/g2thend/p/12271331.html