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
云烟成雨TD4 小时前
Agent Scope Java 2.x 系列【3】从零构建 ReActAgent
java·人工智能·agent
❀抽抽4 小时前
证件照制作API接入指南：700+规格一键生成
大数据·网络·人工智能
Promise微笑4 小时前
绝缘油介损（油介损）测试仪的深层机理、技术演进与精准诊断策略
大数据·网络·人工智能
开发者小布4 小时前
Claude Code 国内配置完整指南：通过中转 API 实现稳定访问（macOS / Linux / Windows）
人工智能
大C聊AI4 小时前
通用大模型纷纷收费，垂直场景AI工具的价值正在被重估
大数据·人工智能·机器学习·办公效率·ai 工具·智标领航·ai 辅助办公
苏州邦恩精密4 小时前
2026江苏GOM三维扫描仪定制厂家找哪家？企业数字化转型视角
人工智能·机器学习·3d·自动化·制造
python-码博士4 小时前
PyTorch 从零实现 Flow Matching：训练、采样、画图一条龙
人工智能·pytorch·python
砍光二叉树4 小时前
一文打通 AI 认知：LLM、Agent、MCP、Skill 完整体系
人工智能·llm·agent·skill·mcp
努力写A题的小菜鸡4 小时前
PyTorch 图像预处理 transforms 与 TensorBoard 可视化 （自己学习记录）
人工智能·pytorch·学习
热门推荐
01HTTP 与 HTTPS 的区别：从原理到实战详解02《置身钉内》原文-可播放阅读03【AI】2026 年具身智能模型和世界模型总结042026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？05Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析06GitHub 镜像站点072026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？08AI科技热点日报 | 2026年6月1日09AI一周事件 · 2026-06-03 至 2026-06-09102026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf