win7+cuda+anaconda python+tensorflow-gpu+keras安装成功版本匹配汇总

2019-09-20 15:06:03 wyx100 阅读数 38更多

分类专栏： ML，开发环境配置
 
版权声明：本文为博主原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。

大家在安装配置过程中遇到了很多坑，其中大部分和软件之间的版本兼容性有关，在此，列出了不同软件版本之间的配置兼容性，方便安装配置。

https://github.com/fo40225/tensorflow-windows-wheel

Path Compiler CUDA/cuDNN SIMD Notes
1.14.0\py37\CPU\sse2 VS2019 16.1 No x86_64 Python 3.7
1.14.0\py37\CPU\avx2 VS2019 16.1 No AVX2 Python 3.7
1.14.0\py37\GPU\cuda101cudnn76sse2 VS2019 16.1 10.1.168_425.25/7.6.0.64 x86_64 Python 3.7/Compute 3.0
1.14.0\py37\GPU\cuda101cudnn76avx2 VS2019 16.1 10.1.168_425.25/7.6.0.64 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.13.1\py37\CPU\sse2 VS2017 15.9 No x86_64 Python 3.7
1.13.1\py37\CPU\avx2 VS2017 15.9 No AVX2 Python 3.7
1.13.1\py37\GPU\cuda101cudnn75sse2 VS2017 15.9 10.1.105_418.96/7.5.0.56 x86_64 Python 3.7/Compute 3.0
1.13.1\py37\GPU\cuda101cudnn75avx2 VS2017 15.9 10.1.105_418.96/7.5.0.56 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.12.0\py36\CPU\sse2 VS2017 15.8 No x86_64 Python 3.6
1.12.0\py36\CPU\avx2 VS2017 15.8 No AVX2 Python 3.6
1.12.0\py36\GPU\cuda100cudnn73sse2 VS2017 15.8 10.0.130_411.31/7.3.1.20 x86_64 Python 3.6/Compute 3.0
1.12.0\py36\GPU\cuda100cudnn73avx2 VS2017 15.8 10.0.130_411.31/7.3.1.20 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.12.0\py37\CPU\sse2 VS2017 15.8 No x86_64 Python 3.7
1.12.0\py37\CPU\avx2 VS2017 15.8 No AVX2 Python 3.7
1.12.0\py37\GPU\cuda100cudnn73sse2 VS2017 15.8 10.0.130_411.31/7.3.1.20 x86_64 Python 3.7/Compute 3.0
1.12.0\py37\GPU\cuda100cudnn73avx2 VS2017 15.8 10.0.130_411.31/7.3.1.20 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.11.0\py36\CPU\sse2 VS2017 15.8 No x86_64 Python 3.6
1.11.0\py36\CPU\avx2 VS2017 15.8 No AVX2 Python 3.6
1.11.0\py36\GPU\cuda100cudnn73sse2 VS2017 15.8 10.0.130_411.31/7.3.0.29 x86_64 Python 3.6/Compute 3.0
1.11.0\py36\GPU\cuda100cudnn73avx2 VS2017 15.8 10.0.130_411.31/7.3.0.29 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.11.0\py37\CPU\sse2 VS2017 15.8 No x86_64 Python 3.7
1.11.0\py37\CPU\avx2 VS2017 15.8 No AVX2 Python 3.7
1.11.0\py37\GPU\cuda100cudnn73sse2 VS2017 15.8 10.0.130_411.31/7.3.0.29 x86_64 Python 3.7/Compute 3.0
1.11.0\py37\GPU\cuda100cudnn73avx2 VS2017 15.8 10.0.130_411.31/7.3.0.29 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.10.0\py36\CPU\sse2 VS2017 15.8 No x86_64 Python 3.6
1.10.0\py36\CPU\avx2 VS2017 15.8 No AVX2 Python 3.6
1.10.0\py36\GPU\cuda92cudnn72sse2 VS2017 15.8 9.2.148.1/7.2.1.38 x86_64 Python 3.6/Compute 3.0
1.10.0\py36\GPU\cuda92cudnn72avx2 VS2017 15.8 9.2.148.1/7.2.1.38 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.10.0\py27\CPU\sse2 VS2017 15.8 No x86_64 Python 2.7
1.10.0\py27\CPU\avx2 VS2017 15.8 No AVX2 Python 2.7
1.10.0\py27\GPU\cuda92cudnn72sse2 VS2017 15.8 9.2.148.1/7.2.1.38 x86_64 Python 2.7/Compute 3.0
1.10.0\py27\GPU\cuda92cudnn72avx2 VS2017 15.8 9.2.148.1/7.2.1.38 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.9.0\py36\CPU\sse2 VS2017 15.7 No x86_64 Python 3.6
1.9.0\py36\CPU\avx2 VS2017 15.7 No AVX2 Python 3.6
1.9.0\py36\GPU\cuda92cudnn71sse2 VS2017 15.7 9.2.148/7.1.4 x86_64 Python 3.6/Compute 3.0
1.9.0\py36\GPU\cuda92cudnn71avx2 VS2017 15.7 9.2.148/7.1.4 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.9.0\py27\CPU\sse2 VS2017 15.7 No x86_64 Python 2.7
1.9.0\py27\CPU\avx2 VS2017 15.7 No AVX2 Python 2.7
1.9.0\py27\GPU\cuda92cudnn71sse2 VS2017 15.7 9.2.148/7.1.4 x86_64 Python 2.7/Compute 3.0
1.9.0\py27\GPU\cuda92cudnn71avx2 VS2017 15.7 9.2.148/7.1.4 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.8.0\py36\CPU\sse2 VS2017 15.4 No x86_64 Python 3.6
1.8.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.8.0\py36\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.3 x86_64 Python 3.6/Compute 3.0
1.8.0\py36\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.3 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.8.0\py27\CPU\sse2 VS2017 15.4 No x86_64 Python 2.7
1.8.0\py27\CPU\avx2 VS2017 15.4 No AVX2 Python 2.7
1.8.0\py27\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.3 x86_64 Python 2.7/Compute 3.0
1.8.0\py27\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.3 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.7.0\py36\CPU\sse2 VS2017 15.4 No x86_64 Python 3.6
1.7.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.7.0\py36\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.2 x86_64 Python 3.6/Compute 3.0
1.7.0\py36\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.2 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.7.0\py27\CPU\sse2 VS2017 15.4 No x86_64 Python 2.7
1.7.0\py27\CPU\avx2 VS2017 15.4 No AVX2 Python 2.7
1.7.0\py27\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.2 x86_64 Python 2.7/Compute 3.0
1.7.0\py27\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.2 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.6.0\py36\CPU\sse2 VS2017 15.4 No x86_64 Python 3.6
1.6.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.6.0\py36\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.1 x86_64 Python 3.6/Compute 3.0
1.6.0\py36\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.1 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.6.0\py27\CPU\sse2 VS2017 15.4 No x86_64 Python 2.7
1.6.0\py27\CPU\avx2 VS2017 15.4 No AVX2 Python 2.7
1.6.0\py27\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.2/7.1.1 x86_64 Python 2.7/Compute 3.0
1.6.0\py27\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.2/7.1.1 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.5.0\py36\CPU\avx VS2017 15.4 No AVX Python 3.6
1.5.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.5.0\py36\GPU\cuda91cudnn7avx2 VS2017 15.4 9.1.85/7.0.5 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.5.0\py27\CPU\sse2 VS2017 15.4 No x86_64 Python 2.7
1.5.0\py27\CPU\avx VS2017 15.4 No AVX Python 2.7
1.5.0\py27\CPU\avx2 VS2017 15.4 No AVX2 Python 2.7
1.5.0\py27\GPU\cuda91cudnn7sse2 VS2017 15.4 9.1.85/7.0.5 x86_64 Python 2.7/Compute 3.0
1.5.0\py27\GPU\cuda91cudnn7avx2 VS2017 15.4 9.1.85/7.0.5 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.4.0\py36\CPU\avx VS2017 15.4 No AVX Python 3.6
1.4.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.4.0\py36\GPU\cuda91cudnn7avx2 VS2017 15.4 9.1.85/7.0.5 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.3.0\py36\CPU\avx VS2015 Update 3 No AVX Python 3.6
1.3.0\py36\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.6
1.3.0\py36\GPU\cuda8cudnn6avx2 VS2015 Update 3 8.0.61.2/6.0.21 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.2.1\py36\CPU\avx VS2015 Update 3 No AVX Python 3.6
1.2.1\py36\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.6
1.2.1\py36\GPU\cuda8cudnn6avx2 VS2015 Update 3 8.0.61.2/6.0.21 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.1.0\py36\CPU\avx VS2015 Update 3 No AVX Python 3.6
1.1.0\py36\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.6
1.1.0\py36\GPU\cuda8cudnn6avx2 VS2015 Update 3 8.0.61.2/6.0.21 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.0.0\py36\CPU\sse2 VS2015 Update 3 No x86_64 Python 3.6
1.0.0\py36\CPU\avx VS2015 Update 3 No AVX Python 3.6
1.0.0\py36\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.6
1.0.0\py36\GPU\cuda8cudnn51sse2 VS2015 Update 3 8.0.61.2/5.1.10 x86_64 Python 3.6/Compute 3.0
1.0.0\py36\GPU\cuda8cudnn51avx2 VS2015 Update 3 8.0.61.2/5.1.10 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
0.12.0\py35\CPU\avx VS2015 Update 3 No AVX Python 3.5
0.12.0\py35\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.5
0.12.0\py35\GPU\cuda8cudnn51avx2 VS2015 Update 3 8.0.61.2/5.1.10 AVX2 Python 3.5/Compute 3.0,3.5,5.0,5.2,6.1

tensorflow CUDA cudnn 版本对应关系

https://blog.csdn.net/yuejisuo1948/article/details/81043962

linux下：

windows下：

上面两张图是在这里找到的：https://tensorflow.google.cn/install/source  （右上角language选English）

tensorflow和keras版本搭配

https://docs.floydhub.com/guides/environments/

anaconda python 版本对应关系

https://blog.csdn.net/yuejisuo1948/article/details/81043823

本文链接：https://blog.csdn.net/yuejisuo1948/article/details/81043823

首先解释一下上表。 anaconda在每次发布新版本的时候都会给python3和python2都发布一个包，版本号是一样的。

表格中，python版本号下方的离它最近的anaconda包就是包含它的版本。

举个例子，假设你想安装python2.7.14，在表格中找到它，它下方的三个anaconda包（anaconda2-5.0.1、5.1.0、5.2.0）都包含python2.7.14；

假设你想安装python3.6.5，在表格中找到它，它下方的anaconda3-5.2.0就是你需要下载的包；

假设你想安装python3.7.0，在表格中找到它，它下方的anaconda3-5.3.0或5.3.1就是你需要下载的包；

镜像下载地址：清华镜像源

官方下载地址：https://repo.anaconda.com/archive/

https://blog.csdn.net/stephen_2018/article/details/80392545

win7 vs2015 cuda9.0 安装 Tensorflow-gpu 1.8

cuda_9.0.176_windows.exe

cudnn-9.0-windows7-x64-v7.zip

python-3.5.4-amd64.exe

https://blog.csdn.net/ei1990/article/details/84800151

WIN7系统安装 tensorflow1.6.0 + CUDA9.0 + cudnn7 版本

Anaconda3   5.2.0

CUDA9.0 + cudnn7 (9.1版本不支持tensorflow)

tensorflow-gpu 1.6.0

https://blog.csdn.net/Zqinstarking/article/details/80713338

防坑 centos7 安装 CUDA9.0 + cudnn7.1 +TensorFlow GPU版1.6.0/1.8.0

简单来说：tf1.5及以上用只能是cuda9.0，其他的tf1.4及以下版本就是cuda8.0等，最好自己去查查！可恶的是tf官方和nVidia都没有版本对应的说明！！！

https://blog.csdn.net/wukongabc_123/article/details/80379882

Windows 7下安装TensorFlow1.6（cuda9.0+cuDNN 7.0+python3.5+pip9）

https://blog.csdn.net/duoker/article/details/79483434

win7 x64 安装 TensorFlow1.6 CUDA 9.1+cuDNN7.1( 7.0.5)+python3.6 (python 3.5.2)

https://blog.csdn.net/wukongabc_123/article/details/80379882

win7+anaconda3+cuda9.0+CuDNN7+tensorflow-gpu+pycharm配置

https://blog.csdn.net/u011440696/article/details/79381375

tensorflow 安装GPU版本，个人总结，步骤比较详细

https://blog.csdn.net/gangeqian2/article/details/79358543

TensorFlow 安装GPU版本

https://blog.csdn.net/AAlonso/article/details/81504036

python+tensorflow+tensorflow-gpu+CUDA+cuDNN+pycharm全套环境配置教程 推荐

https://blog.csdn.net/kele52he/article/details/82986900

深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的安装

https://blog.csdn.net/xiaosa_kun/article/details/84868347

win7 vs2015 cuda9.0 安装 Tensorflow-gpu 1.8

https://blog.csdn.net/stephen_2018/article/details/80392545

WIN7系统安装 tensorflow1.6.0 + CUDA9.0 + cudnn7 版本

https://blog.csdn.net/ei1990/article/details/84800151

https://blog.csdn.net/weixin_42071277/article/details/88851868

Windows 7下安装TensorFlow1.6（cuda9.0+cuDNN 7.0+python3.5+pip9）

https://blog.csdn.net/duoker/article/details/79483434

匹配tensorflow-gpu和keras：

tensorflow 1.5 和keras 2.1.3、keras 2.1.4、keras 2.3.0（运行代码会报错）

tensorflow 1.4和keras 2.1.3

tensorflow 1.3和keras 2.1.2

tensorflow  1.2和keras 2.1.1

win7+cuda+anaconda python+tensorflow-gpu+keras安装成功版本匹配汇总的更多相关文章

  1. 【吴恩达课程使用】keras cpu版安装【接】- anaconda (python 3.7) win10安装 tensorflow 1.8 cpu版

    一.确认tensorflow的版本: 接上一条tensorflow的安装,注意版本不匹配会出现很多问题!:[吴恩达课程使用]anaconda (python 3.7) win10安装 tensorfl ...

  2. 【吴恩达课程使用】anaconda (python 3.7) win10安装 tensorflow 1.8 cpu版

    [吴恩达课程使用]anaconda (python 3.7) win10安装 tensorflow 1.8 目前tensorflow是只支持到python3.6的,anaconda最新版本已经到pyt ...

  3. Windows下Anaconda安装 python + tensorflow GPU版

    这里首先确认没有安装CPU版本,并默认已经安装了CUDA和Cudnn以及anaconda. 安装gpu版本的tensorflow 接下来需要安装GPU版本的tensorflow: 打开cmd并输入: ...

  4. Ubuntu 16.04 + CUDA 8.0 + cuDNN v5.1 + TensorFlow(GPU support)安装配置详解

    随着图像识别和深度学习领域的迅猛发展,GPU时代即将来临.由于GPU处理深度学习算法的高效性,使得配置一台搭载有GPU的服务器变得尤为必要. 本文主要介绍在Ubuntu 16.04环境下如何配置Ten ...

  5. 安装配置环境 CUDA以及CUDNN tensorflow pytorch pip安装 虚拟环境

    1.  在win10中利用Anaconda直接安装tensorflow-gpu 不需要另行安装cuda cudnn 但是不知道电脑会自动适配所需的版本吗,不过把电脑显卡驱动更新一下,就都也可以了吧. ...

  6. Tensorflow检验GPU是否安装成功 及 使用GPU训练注意事项

    1. 已经安装cuda但是tensorflow仍然使用cpu加速的问题 电脑上同时安装了GPU和CPU版本的TensorFlow,本来想用下面代码测试一下GPU程序,但无奈老是没有调用GPU. imp ...

  7. Win10下 tensorflow gpu版安装

    准备: 系统环境: windows10 + Anaconda3 + Pycharm (1)环境配置: 打开Anaconda Prompt,输入清华仓库镜像,这样更新会快一些: 输入: conda co ...

  8. tensorflow pip install 安装指定版本的包并指定安装源（速度会快很多）

    pip install tensorflow-gpu==1.3 pip install tensorflow-gpu==1.4 # pip install 命令行pip install -i http ...

  9. eclipse运行python 安装pydev 版本匹配问题

    Eclipse 4.5, Java 8: PyDev 5.2.0 PyDev 5.2.0 版本路径:https://dl.bintray.com/fabioz/pydev/5.2.0 1.安装时注意: ...

随机推荐

  1. Java 面向对象（五）

    包装类 什么是包装类 在面向对象当中"一切皆对象".基本数据类型变量不是对象,比如 int a = 10; 当中就没有对象,所以就很矛盾.此时我们就可以对基本数据类型进行包装,把基 ...

  2. 研途APP——项目需求分析

    研途APP--项目需求分析 1.作业描述 项目 内容 课程 软件工程实践 作业链接 团队作业第二次-需求规格说明书 团队名称 8rookies 作业目标 作业正文 研途APP--项目需求分析 其他参考 ...

  3. qt 添加本程序的注册表项

    QStringcmd; cmd.clear(); QStringapplication_path=QCoreApplication::applicationFilePath();//带文件扩展名的全路 ...

  4. mysql的配置文件解释

    1 在执行mysqld命令时,下列配置会生效,即mysql服务启动时生效 [mysqld] character_set_server=utf8collation-server=utf8_general ...

  5. java内存空间简述

    JVM的内存空间: 1. 寄存器 (Registers):最快的保存区域,位于处理器内部,由编译器分配.主要作用是记录当前线程所执行的字节码的行号.字节码解释器工作时就是通过改变当前线程的程序计数器选 ...

  6. JS-数组与伪数组

    数组与伪数组 把符合以下条件的对象称为伪数组: 具有length属性 按索引方式存储数据 不具有数组的push,pop等方法 伪数组(类数组):无法直接调用数组方法或期望length属性有什么特殊的行 ...

  7. 解决一个 MySQL 服务器进程 CPU 占用 100%解决一个 MySQL 服务器进程 CPU 占用 100%的技术笔记》[转]

    转载地址:http://bbs.chinaunix.net/archiver/tid-1823500.html 解决一个 MySQL 服务器进程 CPU 占用 100%解决一个 MySQL 服务器进程 ...

  8. 010-多线程-JUC集合-Queue-ConcurrentLinkedQueue

    一.概述 ConcurrentLinkedQueue是线程安全的队列,它适用于“高并发”的场景. 它是一个基于链接节点的无界线程安全队列,按照 FIFO(先进先出)原则对元素进行排序.队列元素中不可以 ...

  9. 关于Jmeter+Ant+Jenkins作为接口、性能自动化框架的误区

    说明:Apach-Jmeter有完善的桌面客户端,关联数据的处方方式,各种参数化的方式,各种Jar包的扩展,也可以用作抓包工具使用,当然最重要的是它是[开源!开源!开源!],重要的事说三遍,目前也有基 ...

  10. python基础之知识补充-作用域、特殊语法

    python作用域 无函数的作用域 在python中没有块级作用域 什么叫块级作用域呢?先来看个例子: if 1 == 1: name= 'alex' print(name) 运行结果为alex 在j ...