K_程式人

以下版本為本版測試成功之版本:

OS系統: Windows 10

顯示卡: NVIDIA GTX 1050 Ti , NVIDIA GTX 1080Ti, NVIDIA RTX 3090

第一組配置:

1. CUDA toolkit v8.0

2. cuDNN v6.0

3. visual studio 2015

4. tensorflow-gpu v1.8.0

第二組配置:

1. CUDA toolkit v9.0

2. cuDNN v7.1 (v7.0有問題)

3. visual studio 2015, or visual studio 2017

4. tensorflow-gpu v1.8.0 (可搭配最高版本至tensorflow-gpu v1.11.0 )

第三組配置:

1. CUDA toolkit v9.2

2. cuDNN v7.5.1

3. visual studio 2015, or visual studio 2017

4. tensorflow-gpu v1.8.0 (可搭配最高版本至tensorflow-gpu v1.11.0 )

第四組配置:

1. CUDA toolkit v10.0 (CUDA toolkit v10.1 update 1有問題, import tensorflow會有Error)

2. cuDNN v7.5.1

3. visual studio 2015, or visual studio 2017

4. tensorflow-gpu v1.8.0

第五組配置:

1. CUDA toolkit v10.0 (CUDA toolkit v10.1update 1有問題, import tensorflow會有Error)

2. cuDNN v7.5.1

3. visual studio 2015, or visual studio 2017

4. tensorflow-gpu v1.13.0

第六組配置:

1. CUDA toolkit v10.1 update 2 (需要先安裝CUDA toolkit v10.0)

※注意※

未安裝CUDA toolkit v10.0而執行Tensorflow,

將會發生"Could not load dynamic library 'cudart64_100.dll'; dlerror: cudart64_100.dll not found"錯誤訊息,

解決方法: 重新安裝CUDA toolkit v10.0便可正常執行

2. cuDNN v7.6.4

3. visual studio 2015, or visual studio 2017

4. tensorflow-gpu v2.0.0

第七組配置:

1. CUDA toolkit v10.2 

2. cuDNN v7.6.5

3. visual studio 2015, or visual studio 2017

4. tensorflow-gpu v2.0.0

第八組配置:(適用於RTX 3090)

1. CUDA toolkit v11.0 

2. cuDNN v8.0.4

3. visual studio 2019

4. tensorflow-gpu v2.4.0 (含有keras套件v2.4)

5. numpy v1.19.2

6. python v3.8 

第九組配置:(適用於RTX 3090)

1. CUDA toolkit v11.1 

2. cuDNN v8.0.4

3. visual studio 2019

4. tensorflow-gpu v2.4.0 (含有keras套件v2.4)

5. numpy v1.19.2

6. python v3.8 

※另外這些CUDA搭配的tensorflow-gpu版本也有所不同, 太低或太高都會造成無法執行之問題

補充:

tensorflow與numpy版本配置參考: 點擊我

[已解決]導入Tensorflow出現 Failed to load the native Tensorflow: 點擊我

cuda新舊版本切換方法參考: 點擊我