2025年最新 Tensorflow paddlepaddle与CUDA 、Python、cuDNN的版本对应表 一一对应关系,torch和CUDA的对应表

cuda版本查看  nvcc -V

cudnn 版本查看

find / -name cudnn_version.h

找到对应的文件


find: '/proc/tty/driver': Permission denied
/usr/include/cudnn_version.h
/opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/nvidia/cudnn/include/cudnn_version.h
find: '/root': Permission denied
find: '/var/lib/apt/lists/partial': Permission denied
find: '/var/lib/private': Permission denied
find: '/var/log/private': Permission denied
find: '/var/cache/ldconfig': Permission denied
find: '/var/cache/apt/archives/partial': Permission denied
find: '/var/cache/private': Permission denied
find: '/run/sudo': Permission denied
/home/aistudio/external-libraries/nvidia/cudnn/include/cudnn_version.h
find: '/etc/ssl/private': Permission denied

-

baidu aistutdiou是

cd /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/nvidia/cudnn/include

cudnn_version.h | grep CUDNN_MAJOR -A 2

1. 官方配置

官网除了中文（包括简体和繁体）之外的才更新到了TensorFlow 2.18.0，中文版只更新到了2.6.0，所以要想看到下面的内容需要进入官网之后右上角将语言选择为English。

经过测试的构建配置

Linux
CPU
VersionPython versionCompilerBuild tools
tensorflow-2.18.03.9-3.12Clang 17.0.6Bazel 6.5.0
tensorflow-2.17.03.9-3.12Clang 17.0.6Bazel 6.5.0
tensorflow-2.16.13.9-3.12Clang 17.0.6Bazel 6.5.0
tensorflow-2.15.03.9-3.11Clang 16.0.0Bazel 6.1.0
tensorflow-2.14.03.9-3.11Clang 16.0.0Bazel 6.1.0
tensorflow-2.13.03.8-3.11Clang 16.0.0Bazel 5.3.0
tensorflow-2.12.03.8-3.11GCC 9.3.1Bazel 5.3.0
tensorflow-2.11.03.7-3.10GCC 9.3.1Bazel 5.3.0
tensorflow-2.10.03.7-3.10GCC 9.3.1Bazel 5.1.1
tensorflow-2.9.03.7-3.10GCC 9.3.1Bazel 5.0.0
tensorflow-2.8.03.7-3.10GCC 7.3.1Bazel 4.2.1
tensorflow-2.7.03.7-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.6.03.6-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.5.03.6-3.9GCC 7.3.1Bazel 3.7.2
tensorflow-2.4.03.6-3.8GCC 7.3.1Bazel 3.1.0
tensorflow-2.3.03.5-3.8GCC 7.3.1Bazel 3.1.0
tensorflow-2.2.03.5-3.8GCC 7.3.1Bazel 2.0.0
tensorflow-2.1.02.7, 3.5-3.7GCC 7.3.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.1
tensorflow-1.15.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.1
tensorflow-1.14.02.7, 3.3-3.7GCC 4.8Bazel 0.24.1
tensorflow-1.13.12.7, 3.3-3.7GCC 4.8Bazel 0.19.2
tensorflow-1.12.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.11.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.10.02.7, 3.3-3.6GCC 4.8Bazel 0.15.0
tensorflow-1.9.02.7, 3.3-3.6GCC 4.8Bazel 0.11.0
tensorflow-1.8.02.7, 3.3-3.6GCC 4.8Bazel 0.10.0
tensorflow-1.7.02.7, 3.3-3.6GCC 4.8Bazel 0.10.0
tensorflow-1.6.02.7, 3.3-3.6GCC 4.8Bazel 0.9.0
tensorflow-1.5.02.7, 3.3-3.6GCC 4.8Bazel 0.8.0
tensorflow-1.4.02.7, 3.3-3.6GCC 4.8Bazel 0.5.4
tensorflow-1.3.02.7, 3.3-3.6GCC 4.8Bazel 0.4.5
tensorflow-1.2.02.7, 3.3-3.6GCC 4.8Bazel 0.4.5
tensorflow-1.1.02.7, 3.3-3.6GCC 4.8Bazel 0.4.2
tensorflow-1.0.02.7, 3.3-3.6GCC 4.8Bazel 0.4.2
GPU
VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow-2.18.03.9-3.12Clang 17.0.6Bazel 6.5.09.312.5
tensorflow-2.17.03.9-3.12Clang 17.0.6Bazel 6.5.08.912.3
tensorflow-2.16.13.9-3.12Clang 17.0.6Bazel 6.5.08.912.3
tensorflow-2.15.03.9-3.11Clang 16.0.0Bazel 6.1.08.912.2
tensorflow-2.14.03.9-3.11Clang 16.0.0Bazel 6.1.08.711.8
tensorflow-2.13.03.8-3.11Clang 16.0.0Bazel 5.3.08.611.8
tensorflow-2.12.03.8-3.11GCC 9.3.1Bazel 5.3.08.611.8
tensorflow-2.11.03.7-3.10GCC 9.3.1Bazel 5.3.08.111.2
tensorflow-2.10.03.7-3.10GCC 9.3.1Bazel 5.1.18.111.2
tensorflow-2.9.03.7-3.10GCC 9.3.1Bazel 5.0.08.111.2
tensorflow-2.8.03.7-3.10GCC 7.3.1Bazel 4.2.18.111.2
tensorflow-2.7.03.7-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.6.03.6-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.5.03.6-3.9GCC 7.3.1Bazel 3.7.28.111.2
tensorflow-2.4.03.6-3.8GCC 7.3.1Bazel 3.1.08.011.0
tensorflow-2.3.03.5-3.8GCC 7.3.1Bazel 3.1.07.610.1
tensorflow-2.2.03.5-3.8GCC 7.3.1Bazel 2.0.07.610.1
tensorflow-2.1.02.7, 3.5-3.7GCC 7.3.1Bazel 0.27.17.610.1
tensorflow-2.0.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.17.410.0
tensorflow_gpu-1.15.02.7, 3.3-3.7GCC 7.3.1Bazel 0.26.17.410.0
tensorflow_gpu-1.14.02.7, 3.3-3.7GCC 4.8Bazel 0.24.17.410.0
tensorflow_gpu-1.13.12.7, 3.3-3.7GCC 4.8Bazel 0.19.27.410.0
tensorflow_gpu-1.12.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.11.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.10.02.7, 3.3-3.6GCC 4.8Bazel 0.15.079
tensorflow_gpu-1.9.02.7, 3.3-3.6GCC 4.8Bazel 0.11.079
tensorflow_gpu-1.8.02.7, 3.3-3.6GCC 4.8Bazel 0.10.079
tensorflow_gpu-1.7.02.7, 3.3-3.6GCC 4.8Bazel 0.9.079
tensorflow_gpu-1.6.02.7, 3.3-3.6GCC 4.8Bazel 0.9.079
tensorflow_gpu-1.5.02.7, 3.3-3.6GCC 4.8Bazel 0.8.079
tensorflow_gpu-1.4.02.7, 3.3-3.6GCC 4.8Bazel 0.5.468
tensorflow_gpu-1.3.02.7, 3.3-3.6GCC 4.8Bazel 0.4.568
tensorflow_gpu-1.2.02.7, 3.3-3.6GCC 4.8Bazel 0.4.55.18
tensorflow_gpu-1.1.02.7, 3.3-3.6GCC 4.8Bazel 0.4.25.18
tensorflow_gpu-1.0.02.7, 3.3-3.6GCC 4.8Bazel 0.4.25.18
macOS
CPU
VersionPython versionCompilerBuild tools
tensorflow-2.16.13.9-3.12Clang from Xcode 13.6Bazel 6.5.0
tensorflow-2.15.03.9-3.11Clang from xcode 10.15Bazel 6.1.0
tensorflow-2.14.03.9-3.11Clang from xcode 10.15Bazel 6.1.0
tensorflow-2.13.03.8-3.11Clang from xcode 10.15Bazel 5.3.0
tensorflow-2.12.03.8-3.11Clang from xcode 10.15Bazel 5.3.0
tensorflow-2.11.03.7-3.10Clang from xcode 10.14Bazel 5.3.0
tensorflow-2.10.03.7-3.10Clang from xcode 10.14Bazel 5.1.1
tensorflow-2.9.03.7-3.10Clang from xcode 10.14Bazel 5.0.0
tensorflow-2.8.03.7-3.10Clang from xcode 10.14Bazel 4.2.1
tensorflow-2.7.03.7-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.6.03.6-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.5.03.6-3.9Clang from xcode 10.11Bazel 3.7.2
tensorflow-2.4.03.6-3.8Clang from xcode 10.3Bazel 3.1.0
tensorflow-2.3.03.5-3.8Clang from xcode 10.1Bazel 3.1.0
tensorflow-2.2.03.5-3.8Clang from xcode 10.1Bazel 2.0.0
tensorflow-2.1.02.7, 3.5-3.7Clang from xcode 10.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.5-3.7Clang from xcode 10.1Bazel 0.27.1
tensorflow-2.0.02.7, 3.3-3.7Clang from xcode 10.1Bazel 0.26.1
tensorflow-1.15.02.7, 3.3-3.7Clang from xcode 10.1Bazel 0.26.1
tensorflow-1.14.02.7, 3.3-3.7Clang from xcodeBazel 0.24.1
tensorflow-1.13.12.7, 3.3-3.7Clang from xcodeBazel 0.19.2
tensorflow-1.12.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.11.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.10.02.7, 3.3-3.6Clang from xcodeBazel 0.15.0
tensorflow-1.9.02.7, 3.3-3.6Clang from xcodeBazel 0.11.0
tensorflow-1.8.02.7, 3.3-3.6Clang from xcodeBazel 0.10.1
tensorflow-1.7.02.7, 3.3-3.6Clang from xcodeBazel 0.10.1
tensorflow-1.6.02.7, 3.3-3.6Clang from xcodeBazel 0.8.1
tensorflow-1.5.02.7, 3.3-3.6Clang from xcodeBazel 0.8.1
tensorflow-1.4.02.7, 3.3-3.6Clang from xcodeBazel 0.5.4
tensorflow-1.3.02.7, 3.3-3.6Clang from xcodeBazel 0.4.5
tensorflow-1.2.02.7, 3.3-3.6Clang from xcodeBazel 0.4.5
tensorflow-1.1.02.7, 3.3-3.6Clang from xcodeBazel 0.4.2
tensorflow-1.0.02.7, 3.3-3.6Clang from xcodeBazel 0.4.2
GPU
VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-1.1.02.7, 3.3-3.6Clang from xcodeBazel 0.4.25.18
tensorflow_gpu-1.0.02.7, 3.3-3.6Clang from xcodeBazel 0.4.25.18

★注意：从 TF 2.11 开始，Windows平台不再支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow，或者使用 tensorflow-cpu 配合 TensorFlow-DirectML-Plugin。

经过测试的构建配置

Windows
CPU
VersionPython versionCompilerBuild tools
tensorflow-2.18.03.9-3.12CLANG 17.0.6Bazel 6.5.0
tensorflow-2.17.03.9-3.12CLANG 17.0.6Bazel 6.5.0
tensorflow-2.16.13.9-3.12CLANG 17.0.6Bazel 6.5.0
tensorflow-2.15.03.9-3.11MSVC 2019Bazel 6.1.0
tensorflow-2.14.03.9-3.11MSVC 2019Bazel 6.1.0
tensorflow-2.12.03.8-3.11MSVC 2019Bazel 5.3.0
tensorflow-2.11.03.7-3.10MSVC 2019Bazel 5.3.0
tensorflow-2.10.03.7-3.10MSVC 2019Bazel 5.1.1
tensorflow-2.9.03.7-3.10MSVC 2019Bazel 5.0.0
tensorflow-2.8.03.7-3.10MSVC 2019Bazel 4.2.1
tensorflow-2.7.03.7-3.9MSVC 2019Bazel 3.7.2
tensorflow-2.6.03.6-3.9MSVC 2019Bazel 3.7.2
tensorflow-2.5.03.6-3.9MSVC 2019Bazel 3.7.2
tensorflow-2.4.03.6-3.8MSVC 2019Bazel 3.1.0
tensorflow-2.3.03.5-3.8MSVC 2019Bazel 3.1.0
tensorflow-2.2.03.5-3.8MSVC 2019Bazel 2.0.0
tensorflow-2.1.03.5-3.7MSVC 2019Bazel 0.27.1-0.29.1
tensorflow-2.0.03.5-3.7MSVC 2017Bazel 0.26.1
tensorflow-1.15.03.5-3.7MSVC 2017Bazel 0.26.1
tensorflow-1.14.03.5-3.7MSVC 2017Bazel 0.24.1-0.25.2
tensorflow-1.13.03.5-3.7MSVC 2015 update 3Bazel 0.19.0-0.21.0
tensorflow-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.0
tensorflow-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.0
tensorflow-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.1.03.5MSVC 2015 update 3Cmake v3.6.3
tensorflow-1.0.03.5MSVC 2015 update 3Cmake v3.6.3
GPU

★注意：原生 Windows 上的 GPU 支持仅适用于 2.10 或更早版本，从 TF 2.11 开始，Windows 不支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow，或者使用 tensorflow-cpu 配合 TensorFlow-DirectML-Plugin。

VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-2.10.03.7-3.10MSVC 2019Bazel 5.1.18.111.2
tensorflow_gpu-2.9.03.7-3.10MSVC 2019Bazel 5.0.08.111.2
tensorflow_gpu-2.8.03.7-3.10MSVC 2019Bazel 4.2.18.111.2
tensorflow_gpu-2.7.03.7-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.6.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.5.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.4.03.6-3.8MSVC 2019Bazel 3.1.08.011.0
tensorflow_gpu-2.3.03.5-3.8MSVC 2019Bazel 3.1.07.610.1
tensorflow_gpu-2.2.03.5-3.8MSVC 2019Bazel 2.0.07.610.1
tensorflow_gpu-2.1.03.5-3.7MSVC 2019Bazel 0.27.1-0.29.17.610.1
tensorflow_gpu-2.0.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.15.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.14.03.5-3.7MSVC 2017Bazel 0.24.1-0.25.27.410
tensorflow_gpu-1.13.03.5-3.7MSVC 2015 update 3Bazel 0.19.0-0.21.07.410
tensorflow_gpu-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.07.29.0
tensorflow_gpu-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.1.03.5MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.0.03.5MSVC 2015 update 3Cmake v3.6.35.18

2. 第三方验证配置

 2.1 官方TensorFlow

贴几个官网没有的配置表
VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow-2.93.88.2.111.3.1
tensorflow-gpu-2.0.03.77.6.5（亲测）10.0.130
tensorflow-gpu==2.0.0-alpha07.5.110.0
tensorflow_gpu-1.15.03.7.117.6.010.0.130
tensorflow_gpu-1.15.03.7.127.6.5.3210.0.130

上面的小版本号个人认为可以忽略不计，可以理解为下表的示例内容，需要注意的是TF1.x已经停止更新故对新硬件（主要是RTX30系列之后的显卡）不支持，故需要使用Nvidia-TensorFlow代替官方版本。

VersionPython versionCompilerBuild toolscuDNNCUDA
tensorflow_gpu-1.15.03.77.610.0

2.2 Nvidia-TensorFlow

windows 安装方法


人工智能
9 篇文章12 订阅
订阅专栏
目录

前言

一、安装python（也可以用conda安装）

二、安装VS的C++环境

三、安装CUDA

2.1、检查环境

2.2、 查看自己是否有NVIDA显卡驱动程序

2.3、查看GPU显卡所支持的CUDA版本

2.4、安装对应版本的CUDA安装包

2.5、选择对应的系统

2.6、运行安装包

2.7、配置Cuda的环境变量

2.8、查看是CUDA是否安装成功

2.9、验证deviceQuery和bandwidthTest

四、安装pytorch

五、运行效果

前言
一年前，安装过cuda，觉得并不难，就没有记录。

这次安装还算顺利，就是在找资料的时候，浪费了不少时间

这次就记录下来，方便以后再次安装

总结安装程序：

1、安装python环境

2、安装VS的C++环境（因为CUDA在安装时，需要VS的里面的工具包来编译。）

3、安装cuda

4、安装pytorch

一、安装python（也可以用conda安装）
直接官网下载：
Python Releases for Windows | Python.org
The official home of the Python Programming Language
https://www.python.org/downloads/windows/

我下载的版本——蓝奏云下载（python3.9.5）：python-3.9.5-amd64.zip - 蓝奏云

进入命令行，输入python，出现这样的界面则表示成功安装

使用conda（Anaconda）的话，可以看看b站的教程（这里就不赘述了）

二、安装VS的C++环境
如果你想用其他版本可以去官网下载：
Downloads & Keys - Visual Studio Subscriptions
https://my.visualstudio.com/Downloads?q=Visual%20Studio%202022

我下载的是：社区免费版VS 2022——VisualStudioSetup.exe

蓝奏云下载2022社区免费版：https://wwm.lanzout.com/i7xQY1ods8xi 
密码:6epa

​

运行安装程序：

然后找到C++桌面开发

建议安装到专门放软件的盘，不要安装到系统盘C，然后点击开始进行安装

安装完后，电脑需要重启，重启后就可以使用了

三、安装CUDA
在安装前，可以先看看这个博客：
理清GPU、CUDA、CUDA Toolkit、cuDNN关系以及下载安装_cudatoolkit-CSDN博客
https://blog.csdn.net/qq_42406643/article/details/109545766

2.1、检查环境
检查是否有NVIDA的独立显卡，前面的VS是否已经安装
2.2、 查看自己是否有NVIDA显卡驱动程序
如果没有显卡的控制面板，下载安装：NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

2.3、查看GPU显卡所支持的CUDA版本
控制面板-> 帮助-> 系统信息-> 组件-> 我的是CUDA 12.3

2.4、安装对应版本的CUDA安装包
进入官网：CUDA Toolkit Archive | NVIDIA Developer

2.5、选择对应的系统
如果用离线版本，就有3个G，这里我选择的是在线安装

2.6、运行安装包


自己选择路径：

选择——自定义安装

安装组件，全部勾选，点击下一步

自定义下载路径

建议安装到专门放软件的盘，不要安装到系统盘C

然后慢慢等

之后一直下一步就行了~

2.7、配置Cuda的环境变量
安装完成后，就需要我们配置Cuda的环境变量了

他会自己添加的变量：

先找到我们自定义安装的cuda文件夹

然后添加两个环境变量

相当于，总共有这4个文件夹的~

2.8、查看是CUDA是否安装成功
Win + R 打开cmd ，输入命令：nvcc --version

2.9、验证deviceQuery和bandwidthTest
在命令窗口运行文件

ok！CUDA搞定啦~

四、安装pytorch
我的电脑的cuda版本是12.3的，准备安装pytorch！
目前，官网上没有直接支持cuda 12.3的pytorch版本！
通过翻阅其他博客，博主说cuda是向下兼容的！
我就选择了CUDA 12.1
4.1、通过官网，选择对应版本，然后复制命令，直接下载即可！

不过在这里先pip换源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip config set install.trusted-host mirrors.aliyun.com
同时，再设置一下超时时间，毕竟这个torch有2~3个G（这里就不赘述了，直接放链接，如果超时了，再来设置也行~）

Python——记录pip问题（解决下载慢、升级失败问题）_pip下载太慢-CSDN博客
https://blog.csdn.net/Pan_peter/article/details/129553679


安装完成~

五、运行效果
我把我之前那个项目拿来，跑一下试试~

基于YOLOv8的多端车流检测系统（用于毕设+开源）_yolov8 rtsp-CSDN博客
https://blog.csdn.net/Pan_peter/article/details/132048923

先下载其他库

报错了：type object 'Detections' has no attribute 'from_yolov8'

大佬评论：由于Detection删除了from，所以需要降级，又因为前面的sv调用，所以把supervision降级为0.6.0即可解决pip install supervision==0.6.0

感谢大佬！！！

运行项目：（20多帧，比俺之前只有几帧好多了，啊哈哈~）

用之前的训练demo包试试：

windows使用YOLOv8训练自己的模型（0基础保姆级教学）_windows10使用yolov8常见问题-CSDN博客
https://blog.csdn.net/Pan_peter/article/details/129907710


也可以正常训练

只不过这里遇到了一个小插曲：

报错：RuntimeError: DataLoader worker (pid(s) 20580, 22560, 5668, 18512, 1240, 18208, 22356) exited unexpectedly

他搞了多线程，我直接关闭他，把训练代码改为 workers=0

model.train(data='./data/cat.yaml', epochs=100, imgsz=640, workers=0)

pytorch与cuda版本对应关系汇总

pytorch与cuda版本关系
cuda版本    支持pytorch版本
cuda10.2    1.5 ~ 1.12
cuda11.0    1.7 ~ 1.7.1
cuda11.1    1.8 ~ 1.10.1
cuda11.3    1.8.1 ~ 1.12.1
cuda11.6    1.12.0 ~ 1.13.1
cuda11.7    1.13.0 ~ 2.0.1
cuda11.8    2.0.0 ~ 2.1.1
cuda12.1    2.1.0 ~ 2.1.1
cuda 与 cudnn关系
cuda版本    支持cudnn版本
cuda10.2    v7.6.5 ~ v8.7.0
cuda11.3    v8.2.0 ~ v8.9.6
pytorch 与 python关系
torch    torchvision    Python
main / nightly    main / nightly    >=3.8, <=3.11
2.0    0.15    >=3.8, <=3.11
1.13    0.14    >=3.7.2, <=3.10
1.12    0.13    >=3.7, <=3.10
1.11    0.12    >=3.7, <=3.10
1.10    0.11    >=3.6, <=3.9
1.9    0.10    >=3.6, <=3.9
1.8    0.9    >=3.6, <=3.9
1.7    0.8    >=3.6, <=3.9
1.6    0.7    >=3.6, <=3.8
1.5    0.6    >=3.5, <=3.8
1.4    0.5    ==2.7, >=3.5, <=3.8
1.3    0.4.2 / 0.4.3    ==2.7, >=3.5, <=3.7
1.2    0.4.1    ==2.7, >=3.5, <=3.7
1.1    0.3    ==2.7, >=3.5, <=3.7
<=1.0    0.2    ==2.7, >=3.5, <=3.7

————————————————

       

安装torch 支持cuda的版本

先开始去官网PyTorch

用这个官网的命令下，一直会把cpu版本的一起下下来，导致运行的时候一直cpu版本而不是gpu版本，torch.cuda.is_available()这个是false，问题很大。

重新去搜了个命令：pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
 

paddlepadlle和cuda的对应关系

Download cuDNN v8.1.1 (Feburary 26th, 2021), for CUDA 11.0,11.1 and 11.2
Download cuDNN v8.1.1 [Feburary 26th, 2021), for CUDA 10.2
Download cuDNN v8.1.0 [January 26th, 2021). for CUDA 11.0.11.1 and 11.2
Download cuDNN v8.1.0 (January 26th, 2021), for CUDA 10.2
Download cuDNN v8.0.5 [November 9th, 2020), for CUDA 11.1
Download cuDNNv8.0.5 (November 9th,2020).for CUDA 11.0
Download cuDNN v8.0.5 (November 9th, 2020),for CUDA 10.2
Download cuDNN v8.0.5 [November 9th, 2020).for CUDA 10.1
Download cuDNN v8.0.4 [September 28th,2020).for CUDA 11.1
Download cuDNN v8.0.4 [September 28th, 2020),for CUDA 11.0
Download cuDNN v8.0.4 [September 28th,2020).for CUDA 10.2
Download cuDNN v8.0.4 [September 28th, 2020].for CUDA 10.1
Download cuDNN v8.0.3 (August 26th,2020).for CUDA 11.0
Download cuDNN v8.0.3 [August 26th,2020).for CUDA 10.2
Download cuDNN v8.0.3 (August 26th,2020),for CUDA 10.1
Download cuDNN v8.0.2[Juty 24th,2020), for CUDA 11.0
Download cuDNN v8.0.2 [July 24th,2020),for CUDA 10.2

Download cuDNN v8.0.2 [July 24th,2020),for CUDA 10.1
Download cuDNN v8.0.1 RC2 [June 26th,2020), for CUDA 11.0
Download cuDNN v8.0.1 RC2 (June 26th,2020).for CUDA 10.2
Download cuDNN v7.6.5 [November 18th, 2019]. for CUDA 10.2
Download cuDNN v7.6.5 (November 5th, 2019).for CUDA 10.1
Download cuDNN v7.6.5 (November 5th, 2019),for CUDA 10.0
Download cuDNN v7.6.5 [November 5th, 2019]. for CUDA 9.2
Download cuDNN v7.6.5 [November 5th,2019), for CUDA 9.0
Download cuDNN v7.6.4 (September 27,2019), for CUDA 10.1
Download cuDNN v7.6.4 [September 27,2019). for CUDA 10.0
Download cuDNN v7.6.4 (September 27.2019]. for CUDA 9.2
Download cuDNN v7.6.4 [September 27, 2019), for CUDA 9.0
Download cuDNN v7.6.3 (August 23, 2019).for CUDA 10.1
Download cuDNN v7.6.3 [August 23,2019].for CUDA 10.0
Download cuDNN v7.6.3 (August 23,2019). for CUDA 9.2
Download cuDNN v7.6.3 [August 23,2019).for CUDA 9.0
Download cuDNN v7.6.2 [July 22,2019). for CUDA 10.1

--------

paddlepaddle-gpu==X.X.X.postXX 其中post后的两个XX分别代表CUDA版本，CUDNN版本。

paddlepaddle-gpu==1.5.1.post87 代表CUDA版本8，CUDNN版本7.X

paddlepaddle-gpu==1.5.1.post97 代表CUDA版本9，CUDNN版本7.X

paddlepaddle-gpu==1.5.1.post107 代表CUDA版本10，CUDNN版本7.X

paddlepaddle2.52 ==>cuda11.8
paddlepaddle2.62 ==>cuda12.4

python=3.7 paddlepaddle-gpu =2.4 cuda =11.7 cudnn=8.4.1

paddlepaddle-gpu2.3、cuda10.2、cudnn7.6.5。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/947682.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

数据结构（ing）

数据结构（ing）

学习内容 指针 指针的定义&#xff1a; 指针是一种变量&#xff0c;它的值为另一个变量的地址&#xff0c;即内存地址。 指针在内存中也是要占据位置的。 指针类型&#xff1a; 指针的值用来存储内存地址&#xff0c;指针的类型表示该地址所指向的数据类型并告诉编译器如何解…
阅读更多...
Vue 中el-table-column 进行循环，页面没渲染成功

Vue 中el-table-column 进行循环，页面没渲染成功

文章目录 前言效果图代码示例可能出现的问题及原因解决思路 前言 实现效果&#xff1a;el-table-column 进行循环&#xff0c;使之代码简化 遇到的问题&#xff1a; data进行默认赋值&#xff0c;操作列的删除都可以出来&#xff0c;其他表格里面的数据没出来 效果图 示例&am…
阅读更多...
OpenGL入门最后一章观察矩阵（照相机）

OpenGL入门最后一章观察矩阵（照相机）

前面的一篇文章笔者向大家介绍了模型变化矩阵&#xff0c;投影矩阵。现在只剩下最后一个观察矩阵没有和大家讲了。此片文章就为大家介绍OpenGL入门篇的最后一个内容。 观察矩阵 前面的篇章当中&#xff0c;我们看到了即使没有观察矩阵&#xff0c;我们也能对绘制出来的模型有一…
阅读更多...
教程：从pycharm基于anaconda构建机器学习环境并运行第一个 Python 文件

教程：从pycharm基于anaconda构建机器学习环境并运行第一个 Python 文件

1. 安装 PyCharm 访问 PyCharm 官方网站&#xff1a;https://www.jetbrains.com/pycharm/。下载社区版&#xff08;免费&#xff09;或专业版&#xff08;收费&#xff0c;提供更多功能&#xff09;。按照操作系统的安装指导安装 PyCharm。安装后打开 PyCharm&#xff0c;并根…
阅读更多...
springcloud篇3-docker需熟练掌握的知识点

springcloud篇3-docker需熟练掌握的知识点

docker的原理请参考博文《Docker与Kubernetes》。 一、安装docker的指令 1.1 安装yum工具 yum install -y yum-utils \device-mapper-persistent-data \lvm2 --skip-broken补充&#xff1a;配置镜像源 注意&#xff1a; yum安装是在线联网下载安装&#xff0c;而很多的资源…
阅读更多...
ceph文件系统

ceph文件系统

ceph文件系统&#xff1a;高度可扩展&#xff0c;分布式的存储文件系统&#xff0c;旨在提高性能&#xff0c;高可靠性和高可用的对 象存储&#xff0c;块存储&#xff0c;文件系统的存储。使用分布式的算法保证数据的高可用和一致性。 ceph的组件 1、MON&#xff1a;ceph m…
阅读更多...
牛客网刷题 ——C语言初阶——BC117 小乐乐走台阶

牛客网刷题 ——C语言初阶——BC117 小乐乐走台阶

1.题目 &#xff1a;BC117 小乐乐走台阶 牛客OJ题链接 描述 小乐乐上课需要走n阶台阶&#xff0c;因为他腿比较长&#xff0c;所以每次可以选择走一阶或者走两阶&#xff0c;那么他一共有多少种走法&#xff1f; 输入描述&#xff1a; 输入包含一个整数n (1 ≤ n ≤ 30) …
阅读更多...
flux文生图 生成高质量图像

flux文生图 生成高质量图像

flux文生图 生成高质量图像 flyfish import torch from diffusers import FluxPipeline# 初始化 FluxPipeline model_path "/home/FLUX___1-dev" pipe FluxPipeline.from_pretrained(model_path, torch_dtypetorch.bfloat16) pipe.enable_model_cpu_offload() #…
阅读更多...
设计模式 结构型 装饰器模式（Decorator Pattern）与 常见技术框架应用 解析

设计模式 结构型 装饰器模式（Decorator Pattern）与 常见技术框架应用 解析

装饰器模式&#xff08;Decorator Pattern&#xff09;&#xff0c;又称为包装器模式&#xff08;Wrapper Pattern&#xff09;&#xff0c;是一种结构型设计模式。它允许在不改变原有对象结构的基础上&#xff0c;动态地给对象添加一些新的职责&#xff08;即增加其额外功能&a…
阅读更多...
计算机毕业设计Python+Vue.js游戏推荐系统 Steam游戏推荐系统 Django Flask 游 戏可视化 游戏数据分析 游戏大数据 爬虫

计算机毕业设计Python+Vue.js游戏推荐系统 Steam游戏推荐系统 Django Flask 游 戏可视化 游戏数据分析 游戏大数据 爬虫

2021年12月21日 姓名 专业 软件工程 班级 20-IBM-企Java2 题目 基于hadoopSpark的游戏推荐与可视化系统的设计与实现 指导教师 王文钧、王春娴 一、与本题目有关的国内外研究情况、题目研究的目的和意义、主要内容、本课题创新之处、拟解决的问题&#xff1a; 国内外…
阅读更多...
[创业之路-222]：波士顿矩阵与GE矩阵在业务组合选中作用、优缺点比较

[创业之路-222]：波士顿矩阵与GE矩阵在业务组合选中作用、优缺点比较

目录 一、波士顿矩阵 1、基本原理 2、各象限产品的定义及战略对策 3、应用 4、优点与局限性 二、技术成熟度模型与产品生命周期模型的配对 1、技术成熟度模型 2、产品生命周期模型 3、技术成熟度模型与产品生命周期模型的配对 三、产品生命周期与产品类型的对应关系 …
阅读更多...
使用Python类库pandas操作Excel表格

使用Python类库pandas操作Excel表格

Date: 2025.01.02 20:33:30 author: lijianzhan 简述&#xff1a;pandas 是处理 Excel 文件的强大工具&#xff0c;它提供了简单易用的接口来读取、操作和写入 Excel 数据。以下是使用 pandas 处理 Excel 文件的详细指南&#xff0c;包括常见操作和示例代码。 安装依赖,pandas …
阅读更多...
Deepseek v3 的笔记

Deepseek v3 的笔记

基本概述 Deepseek v3是Deepseek发布的旗舰模型&#xff0c;属于607B的混合专家&#xff08;MoE&#xff09;模型&#xff0c;其中活跃参数为37B。在当前的模型领域&#xff0c;它堪称最佳的开源模型&#xff0c;性能超越了Llama 3.1 405b、Qwen和Mistral等知名模型。根据基准…
阅读更多...
Python多分类Logistic回归详解与实践

Python多分类Logistic回归详解与实践

在机器学习中&#xff0c;Logistic回归是一种基本但非常有效的分类算法。它不仅可以用于二分类问题&#xff0c;还可以扩展应用于多分类问题。本文将详细介绍如何使用Python实现一个多分类的Logistic回归模型&#xff0c;并给出详细的代码示例。 一、Logistic回归简介 Logist…
阅读更多...
前端，npm install安装依赖卡在sill idealTree buildDeps（设置淘宝依赖）

前端，npm install安装依赖卡在sill idealTree buildDeps（设置淘宝依赖）

输入npm i后&#xff0c;一直卡在sill idealTree buildDeps&#xff0c;一动不动 cnpm可以安装成功&#xff0c;但使用cnpm不会生成package-lock.json文件 设置淘宝依赖&#xff0c;依然卡住&#xff0c;挂梯子也不行 解决方法&#xff1a; // 取消ssl验证 set strict-ssl …
阅读更多...
装饰者模式

装饰者模式

1、定义 装饰者模式&#xff1a;在不必改变原类和使用继承的情况下&#xff0c;动态地扩展一个对象的功能。它是通过创建一个包装对象&#xff0c;也就是装饰来包裹真实的对象 2、实际应用 星巴克的咖啡系统项目&#xff1a; 星巴克要求的各种下单功能&#xff1a;大杯原味、大…
阅读更多...
招银网路Java后端一面，难度有点大！

招银网路Java后端一面，难度有点大！

这是一位武汉理工大学同学的招银网络一面面经，同样附带超详细的参考答案。大家可以用来查漏补缺，针对性地补短板。 招银网络一面还是比较简单的，基本都是一些比较重要且高频的常规八股，项目问的不多。到了二面的时候， 会开始主要考察你的项目。 1、自我介绍 自我介绍一般…
阅读更多...
C++之设计模式

C++之设计模式

设计模式 简介单例模式饿汉模式懒汉模式 工厂模式简单工厂模式工厂方法模式抽象工厂模式 建造者模式代理模式 简介 设计模式是前辈们对代码开发经验的总结&#xff0c;是解决特定问题的⼀系列套路它不是语法规定&#xff0c;而是⼀套⽤来提高代码可复用性、可维护性、可读性、…
阅读更多...
云效流水线使用Node构建部署前端web项目

云效流水线使用Node构建部署前端web项目

云效流水线实现自动化部署 背景新建流水线配置流水线运行流水线总结 背景 先来看看没有配置云效流水线之前的部署流程&#xff1a; 而且宝塔会经常要求重新登录&#xff0c;麻烦的很 网上博客分享了不少的配置流程&#xff0c;这一篇博客的亮点就是不仅给出了npm命令构建&…
阅读更多...
pycharm如何拉取一个git项目，然后，修改后再上传到自建的项目中？

pycharm如何拉取一个git项目，然后，修改后再上传到自建的项目中？

以chattts为例 https://github.com/2noise/ChatTTS.git 1.建一个虚拟环境&#xff0c;用于项目使用 2.pychar&#xff4d;新建工程 &#xff13;.忽略　提示 勾选&#xff0c;新建远程仓库 设置账号和密码 设置git路径&#xff0c;一般是正确的&#xff0c;点测试即可 &…
阅读更多...
最新文章

Copyright @ 2022~2023