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

zhangfeng11332025-01-04 10:32

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
Version Python version Compiler Build tools
tensorflow-2.18.0 3.9-3.12 Clang 17.0.6 Bazel 6.5.0
tensorflow-2.17.0 3.9-3.12 Clang 17.0.6 Bazel 6.5.0
tensorflow-2.16.1 3.9-3.12 Clang 17.0.6 Bazel 6.5.0
tensorflow-2.15.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0
tensorflow-2.13.0 3.8-3.11 Clang 16.0.0 Bazel 5.3.0
tensorflow-2.12.0 3.8-3.11 GCC 9.3.1 Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 GCC 9.3.1 Bazel 5.3.0
tensorflow-2.10.0 3.7-3.10 GCC 9.3.1 Bazel 5.1.1
tensorflow-2.9.0 3.7-3.10 GCC 9.3.1 Bazel 5.0.0
tensorflow-2.8.0 3.7-3.10 GCC 7.3.1 Bazel 4.2.1
tensorflow-2.7.0 3.7-3.9 GCC 7.3.1 Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2
tensorflow-2.4.0 3.6-3.8 GCC 7.3.1 Bazel 3.1.0
tensorflow-2.3.0 3.5-3.8 GCC 7.3.1 Bazel 3.1.0
tensorflow-2.2.0 3.5-3.8 GCC 7.3.1 Bazel 2.0.0
tensorflow-2.1.0 2.7, 3.5-3.7 GCC 7.3.1 Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1
tensorflow-1.15.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1
tensorflow-1.14.0 2.7, 3.3-3.7 GCC 4.8 Bazel 0.24.1
tensorflow-1.13.1 2.7, 3.3-3.7 GCC 4.8 Bazel 0.19.2
tensorflow-1.12.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
tensorflow-1.11.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
tensorflow-1.10.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
tensorflow-1.9.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.11.0
tensorflow-1.8.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0
tensorflow-1.7.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0
tensorflow-1.6.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0
tensorflow-1.5.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.8.0
tensorflow-1.4.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.5.4
tensorflow-1.3.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5
tensorflow-1.2.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5
tensorflow-1.1.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2
tensorflow-1.0.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2
GPU
Version Python version Compiler Build tools cuDNN CUDA
tensorflow-2.18.0 3.9-3.12 Clang 17.0.6 Bazel 6.5.0 9.3 12.5
tensorflow-2.17.0 3.9-3.12 Clang 17.0.6 Bazel 6.5.0 8.9 12.3
tensorflow-2.16.1 3.9-3.12 Clang 17.0.6 Bazel 6.5.0 8.9 12.3
tensorflow-2.15.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0 8.9 12.2
tensorflow-2.14.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0 8.7 11.8
tensorflow-2.13.0 3.8-3.11 Clang 16.0.0 Bazel 5.3.0 8.6 11.8
tensorflow-2.12.0 3.8-3.11 GCC 9.3.1 Bazel 5.3.0 8.6 11.8
tensorflow-2.11.0 3.7-3.10 GCC 9.3.1 Bazel 5.3.0 8.1 11.2
tensorflow-2.10.0 3.7-3.10 GCC 9.3.1 Bazel 5.1.1 8.1 11.2
tensorflow-2.9.0 3.7-3.10 GCC 9.3.1 Bazel 5.0.0 8.1 11.2
tensorflow-2.8.0 3.7-3.10 GCC 7.3.1 Bazel 4.2.1 8.1 11.2
tensorflow-2.7.0 3.7-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
tensorflow-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
tensorflow-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
tensorflow-2.4.0 3.6-3.8 GCC 7.3.1 Bazel 3.1.0 8.0 11.0
tensorflow-2.3.0 3.5-3.8 GCC 7.3.1 Bazel 3.1.0 7.6 10.1
tensorflow-2.2.0 3.5-3.8 GCC 7.3.1 Bazel 2.0.0 7.6 10.1
tensorflow-2.1.0 2.7, 3.5-3.7 GCC 7.3.1 Bazel 0.27.1 7.6 10.1
tensorflow-2.0.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1 7.4 10.0
tensorflow_gpu-1.15.0 2.7, 3.3-3.7 GCC 7.3.1 Bazel 0.26.1 7.4 10.0
tensorflow_gpu-1.14.0 2.7, 3.3-3.7 GCC 4.8 Bazel 0.24.1 7.4 10.0
tensorflow_gpu-1.13.1 2.7, 3.3-3.7 GCC 4.8 Bazel 0.19.2 7.4 10.0
tensorflow_gpu-1.12.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.11.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.9.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.11.0 7 9
tensorflow_gpu-1.8.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0 7 9
tensorflow_gpu-1.7.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9
tensorflow_gpu-1.6.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9
tensorflow_gpu-1.5.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.8.0 7 9
tensorflow_gpu-1.4.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.5.4 6 8
tensorflow_gpu-1.3.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5 6 8
tensorflow_gpu-1.2.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5 5.1 8
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2 5.1 8
macOS
CPU
Version Python version Compiler Build tools
tensorflow-2.16.1 3.9-3.12 Clang from Xcode 13.6 Bazel 6.5.0
tensorflow-2.15.0 3.9-3.11 Clang from xcode 10.15 Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 Clang from xcode 10.15 Bazel 6.1.0
tensorflow-2.13.0 3.8-3.11 Clang from xcode 10.15 Bazel 5.3.0
tensorflow-2.12.0 3.8-3.11 Clang from xcode 10.15 Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 Clang from xcode 10.14 Bazel 5.3.0
tensorflow-2.10.0 3.7-3.10 Clang from xcode 10.14 Bazel 5.1.1
tensorflow-2.9.0 3.7-3.10 Clang from xcode 10.14 Bazel 5.0.0
tensorflow-2.8.0 3.7-3.10 Clang from xcode 10.14 Bazel 4.2.1
tensorflow-2.7.0 3.7-3.9 Clang from xcode 10.11 Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 Clang from xcode 10.11 Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 Clang from xcode 10.11 Bazel 3.7.2
tensorflow-2.4.0 3.6-3.8 Clang from xcode 10.3 Bazel 3.1.0
tensorflow-2.3.0 3.5-3.8 Clang from xcode 10.1 Bazel 3.1.0
tensorflow-2.2.0 3.5-3.8 Clang from xcode 10.1 Bazel 2.0.0
tensorflow-2.1.0 2.7, 3.5-3.7 Clang from xcode 10.1 Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.5-3.7 Clang from xcode 10.1 Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.3-3.7 Clang from xcode 10.1 Bazel 0.26.1
tensorflow-1.15.0 2.7, 3.3-3.7 Clang from xcode 10.1 Bazel 0.26.1
tensorflow-1.14.0 2.7, 3.3-3.7 Clang from xcode Bazel 0.24.1
tensorflow-1.13.1 2.7, 3.3-3.7 Clang from xcode Bazel 0.19.2
tensorflow-1.12.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.15.0
tensorflow-1.11.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.15.0
tensorflow-1.10.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.15.0
tensorflow-1.9.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.11.0
tensorflow-1.8.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.10.1
tensorflow-1.7.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.10.1
tensorflow-1.6.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.8.1
tensorflow-1.5.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.8.1
tensorflow-1.4.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.5.4
tensorflow-1.3.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.5
tensorflow-1.2.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.5
tensorflow-1.1.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.2
tensorflow-1.0.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.2
GPU
Version Python version Compiler Build tools cuDNN CUDA
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 Clang from xcode Bazel 0.4.2 5.1 8

★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
Version Python version Compiler Build tools
tensorflow-2.18.0 3.9-3.12 CLANG 17.0.6 Bazel 6.5.0
tensorflow-2.17.0 3.9-3.12 CLANG 17.0.6 Bazel 6.5.0
tensorflow-2.16.1 3.9-3.12 CLANG 17.0.6 Bazel 6.5.0
tensorflow-2.15.0 3.9-3.11 MSVC 2019 Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 MSVC 2019 Bazel 6.1.0
tensorflow-2.12.0 3.8-3.11 MSVC 2019 Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 MSVC 2019 Bazel 5.3.0
tensorflow-2.10.0 3.7-3.10 MSVC 2019 Bazel 5.1.1
tensorflow-2.9.0 3.7-3.10 MSVC 2019 Bazel 5.0.0
tensorflow-2.8.0 3.7-3.10 MSVC 2019 Bazel 4.2.1
tensorflow-2.7.0 3.7-3.9 MSVC 2019 Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 MSVC 2019 Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2
tensorflow-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0
tensorflow-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0
tensorflow-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0
tensorflow-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1-0.29.1
tensorflow-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1
tensorflow-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1
tensorflow-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1-0.25.2
tensorflow-1.13.0 3.5-3.7 MSVC 2015 update 3 Bazel 0.19.0-0.21.0
tensorflow-1.12.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0
tensorflow-1.11.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0
tensorflow-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.0.0 3.5 MSVC 2015 update 3 Cmake 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。

Version Python version Compiler Build tools cuDNN CUDA
tensorflow_gpu-2.10.0 3.7-3.10 MSVC 2019 Bazel 5.1.1 8.1 11.2
tensorflow_gpu-2.9.0 3.7-3.10 MSVC 2019 Bazel 5.0.0 8.1 11.2
tensorflow_gpu-2.8.0 3.7-3.10 MSVC 2019 Bazel 4.2.1 8.1 11.2
tensorflow_gpu-2.7.0 3.7-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.6.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2
tensorflow_gpu-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0 8.0 11.0
tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 7.6 10.1
tensorflow_gpu-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0 7.6 10.1
tensorflow_gpu-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1-0.29.1 7.6 10.1
tensorflow_gpu-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1-0.25.2 7.4 10
tensorflow_gpu-1.13.0 3.5-3.7 MSVC 2015 update 3 Bazel 0.19.0-0.21.0 7.4 10
tensorflow_gpu-1.12.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7.2 9.0
tensorflow_gpu-1.11.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.0.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8

2. 第三方验证配置

2.1 官方TensorFlow

贴几个官网没有的配置表
Version Python version Compiler Build tools cuDNN CUDA
tensorflow-2.9 3.8 8.2.1 11.3.1
tensorflow-gpu-2.0.0 3.7 7.6.5（亲测） 10.0.130
tensorflow-gpu==2.0.0-alpha0 7.5.1 10.0
tensorflow_gpu-1.15.0 3.7.11 7.6.0 10.0.130
tensorflow_gpu-1.15.0 3.7.12 7.6.5.32 10.0.130

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。

Version Python version Compiler Build tools cuDNN CUDA
tensorflow_gpu-1.15.0 3.7 7.6 10.0

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 Studio 2022

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

复制代码 
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。

相关推荐
好评笔记几秒前
多模态论文笔记——U-ViT
论文阅读·人工智能·深度学习·计算机视觉·aigc·dit·u-vit
小嗷犬6 分钟前
【论文笔记】QLoRA: Efficient Finetuning of Quantized LLMs
论文阅读·人工智能·深度学习·神经网络·语言模型·大模型·微调
goomind12 分钟前
YOLOv8实战人员跌倒检测
人工智能·深度学习·yolo·计算机视觉·目标跟踪·跌倒检测
图初34 分钟前
自动驾驶控制算法-油门刹车标定
人工智能·机器学习·自动驾驶
常家壮38 分钟前
便捷的斤克转换小助手（Python 版）
开发语言·python·物理·克·斤·单位转换
szial1 小时前
深入理解神经网络中的损失函数：BCELoss 与 MSELoss
人工智能·深度学习·机器学习
桂月二二1 小时前
利用 LangChain 构建对话式 AI 应用
人工智能·microsoft·langchain
yvestine1 小时前
数据挖掘——朴素贝叶斯分类
人工智能·算法·机器学习·分类·数据挖掘·贝叶斯分类
jjw_zyfx1 小时前
django vue3实现大文件分段续传(断点续传)
后端·python·django·vue
余胜辉2 小时前
【深度学习】交叉熵：从理论到实践
人工智能·深度学习·机器学习·损失函数·交叉熵
热门推荐
01渗透测试之SQLMAP工具详解 kali自带SQLmap解释 重点sqlmap --tamper 使用方式详解 搞完你就很nice了02半导体应用系统一些小知识收集(strip&wafer mapping,EAP&scada)03HCIA-datacom数通题库和录播视频资料04新手学习VR全景需要知道的几个问题05【漏洞复现】CVE-2015-3337 Arbitrary File Reading06优化手机性能，解决卡顿问题：关闭这3个微信开关，释放内存空间07映美精黑白相机IFrameQueueBuffer转halcon的HObject08ubuntu22.04.5本地apt源部署09校验 GPT-4 真实性的三个经典问题：快速区分 GPT-3.5 与 GPT-4，并提供免费测试网站10物联网中基于WiFi的室内温度检测系统设计