TensorFlow和CUDA對應版本關係

一、TensorFlow和CUDA的對應關係

TensorFlow是一個非常強大的機器學習框架，基於計算圖概念實現了分佈式計算和計算加速等功能。而CUDA是 NVIDIA 公司提供的一種計算加速技術，它允許將計算任務交給 NVIDIA 顯卡來執行，從而顯著提高計算性能。

TensorFlow 和 CUDA 通常需要相互配合使用，以充分發揮機器學習的計算加速能力。在使用過程中，我們需要了解 TensorFlow 和 CUDA 的對應關係。

二、TensorFlow支持的CUDA版本

為了充分發揮 CUDA 的計算能力，我們需要保證 TensorFlow 和 CUDA 版本的兼容性。在 TensorFlow 1.x 版本中，支持的 CUDA 版本如下：

1. TensorFlow 1.0：CUDA 8.0
2. TensorFlow 1.4：CUDA 9.0
3. TensorFlow 1.8：CUDA 9.0 或 CUDA 9.2
4. TensorFlow 1.12：CUDA 9.0 或 CUDA 10.0

需要注意的是，在 TensorFlow 2.x 版本中，不再需要安裝 cuDNN 和 CUDA。TensorFlow 2.x 默認使用 TensorFlow 中已經內置的 cuDNN。

三、TensorFlow和CUDA的關係

1. TensorFlow一定要安裝CUDA嗎？

如果想要 TensorFlow 發揮 CUDA 的計算加速能力，那麼需要安裝 CUDA。但是，如果在 CUDA 不可用的環境下，TensorFlow 仍然可以運行。在沒有 CUDA 的環境下，TensorFlow 可以使用 CPU 進行計算，同時也支持使用 OpenCL 進行計算。

2. TensorFlow 1.13 對應CUDA版本

TensorFlow 1.13 支持 CUDA 10.0 和 CUDA 10.1 兩個版本，需要根據自己機器上的 CUDA 版本選擇。

3. CUDA與TensorFlow版本兼容性

為了便於使用，TensorFlow 官方會針對每個 TensorFlow 版本，列出和 CUDA、cuDNN 版本的兼容表格。

# TensorFlow 1.x版本的CUDA和cuDNN的兼容性表格
https://tensorflow.google.cn/install/source_windows#gpu%E6%94%AF%E6%8C%81

# TensorFlow 2.x版本的CUDA和cuDNN的兼容性表格
https://tensorflow.google.cn/install/source#gpu%E6%94%AF%E6%8C%81

4. TensorFlow 查看CUDA版本

我們可以通過以下代碼來查看 TensorFlow 中 CUDA 的版本：

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

在輸出中可以看到 CUDA 和 cuDNN 的版本信息。

5. CUDA版本高於TensorFlow支持的版本，怎麼辦？

如果 CUDA 版本高於 TensorFlow 支持的版本，那麼需要重新安裝符合 TensorFlow 支持版本的 CUDA。

四、TensorFlow和CUDA與cuDNN版本對應選取

TensorFlow、CUDA 和 cuDNN 三者共同決定了機器學習的計算能力。為了充分發揮它們的計算能力，我們需要確定它們的版本關係。

我們可以通過以下代碼來查看 TensorFlow 中 CUDA 和 cuDNN 的版本：

import tensorflow as tf
from tensorflow.python.platform import build_info as tf_build_info

print("Tensorflow Cuda compilation tools版本: ", tf_build_info.cuda_version_number)
print("Tensorflow Cudnn lirary版本: ", tf_build_info.cudnn_version_number)

查看版本後，可以在 TensorFlow 官網中查看和它們匹配的版本信息。

參考鏈接

• TensorFlow官網：「TensorFlow安裝手冊」：https://tensorflow.google.cn/install/