cuda和显卡对应关系

tensorflowgpu安装

要搭建TensorFlow的GPU版本，⾸先需要的必备条件就是⼀块能够⽀持CUDA的NVIDIA显卡，因为在搭建TensorFlow的GPU版本时，⾸先需要做的⼀件事就是安装其基础⽀持平台CUDA和其机器学习库cuDNN，然后在此基础上搭建TensorFlow GPU版本。

其次还要了解⼀下不同的TensorFlow版本所需要对应安装的CUDA和cuDNN版本是多少，因为在TensorFlow的GPU版本安装过程中，如果对应的CUDA版本和cuDNN版本不正确的话，是⽆法正常使⽤GPU来进⾏模型训练的。下表整理出了TensorFlow从1.2到最新版本的CUDA和cuDNN所对应的版本集合

要想成功安装tensorflow并提供GPU⽀持，必须保证tensorflow、cudatoolkit、cudnn版本对应。

查看tensorflow娱cuda cudnn版本对应关系

Windows系统查看CUDA版本号

检查硬件⽀持。点击如图所⽰的图标打开nvidia控制⾯板。

点击组件按钮，如下图红⾊箭头标注处所⽰。在红⾊⽅框和红⾊⽂字共同标注处则显⽰当前电脑的CUDA版本号

知道⾃⼰电脑的CUDA版本号，则可以 选择合适版本的CUDA Toolkit

安装cuda toolkit

选择合适的cuda toolkit，下载好，双击下载好的⽂件，会提⽰选择⽬录释放临时⽂件，直接点击下⼀步即可。

安装好后，打开anaconda的terminal输⼊nvcc -V进⾏测试，如果显⽰如下，证明你安装成功了。

安装cudnn

cuDNN

是⼀个SDK，是⼀个专门⽤于神经⽹络的加速包，注意，它跟我们的CUDA没有⼀⼀对应的关系，即每⼀个版本的CUDA可能有好⼏个版本的cuDNN与之对应，但⼀般有⼀个最新版本的cuDNN版本与CUDA对应更好。cuDNN与CUDA没有版本绑定的关系。

1、下载cudnn 按图⽚所⽰操作即可。注意，可能会要求需要注册账号。cuddn各种历史版本:

CentOS7.6安装NVIDIA显卡驱动、cuda以及gpu_burn并测试

1.安装依赖环境：

yum install kernel-devel gcc -y2.检查内核版本和源码版本，保证⼀致ls /boot | grep vmlinurpm -aq | grep kernel-devel3.屏蔽系统⾃带的nouveau查看命令：lsmod | grep nouveau修改dist-blacklist.conf⽂件：vim /lib/modprobe.d/dist-blacklist.conf将nvidiafb注释掉:#blacklist nvidiafb 然后添加以下语句：blacklist nouveauoptions nouveau modeset=0屏蔽之前

屏蔽之后

4.重建initramfs image步骤 （设置完reboot，再查看）

mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak

dracut /boot/initramfs-$(uname -r).img $(uname -r)5.修改运⾏级别为⽂本模式systemctl set-default multi-user.target6、设置好之后安装下载的驱动：

chmod +x NVIDIA-Linux-x86_64-440.64.run./NVIDIA-Linux-x86_64-440.64.run7、安装驱动

执⾏nvidia-smi 8、驱动安装完成，安装cuda

输⼊accept

选择install，如果已安装驱动，可以驱动这⾥不选择，按空格

9、安装完添加 ～/.bashrc

export PATH="$PATH:/usr/local/cuda-11.0/bin"export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64"

CUDA

CUDA（Compute Unified Device Architecture）是一个新的基础架构，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。它是一个完整的GPGPU解决方案，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力，使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。

关于NVIDIA CUDA技术

NVIDIA CUDA技术是当今世界上唯一针对NVIDIA GPU（图形处理器）的C语言环境，为支持CUDA技术的NVIDIA GPU（图形处理器）带来无穷的图形计算处理性能。凭借NVIDIA CUDA技术，开发人员能够利用NVIDIA GPU（图形处理器）攻克极其复杂的密集型计算难题，应用到诸如石油与天然气的开发，金融风险管理，产品设计，媒体图像以及科学研究等领域。

CUDA™ 工具包是一种针对支持CUDA功能的GPU（图形处理器）的C语言开发环境。CUDA开发环境包括:

nvcc C语言编译器 适用于GPU（图形处理器）的CUDA FFT和BLAS库

分析器 适用于GPU（图形处理器）的gdb调试器（在2008年3月推出alpha版）

CUDA运行时（CUDA runtime）驱动程序（目前在标准的NVIDIA GPU驱动中也提供）

CUDA编程手册

CUDA开发者软件开发包（SDK） 提供了一些范例（附有源代码），以帮助使用者开始CUDA编程。这些范例包括： 并行双调排序、矩阵乘法、矩阵转置、利用计时器进行性能评价、并行大数组的前缀和（扫描）、图像卷积

CUDA4.0 X32 + Windows7 32bit + Visual Studio2008+ Visual Assist安装指南

1，需要安装的软件：CUDA Toolkit4.0 + GPUComputing SDK + CUDA Wizard + +对应的显卡驱动+ Visual

Assist破解版 + VS2008

下载地址：/cuda-toolkit-40

2，先安装显卡，得确保显卡支持CUDA加速。查询是否支持可看此网站：

/cuda-gpus

3，再安装Toolkit4.0和SDK，最好选择默认。在Win7环境下，Toolkit4.0安装后文件路径为：C:\Program

Files\NVIDIA GPU Computing Toolkit\CUDA\v3.2

SDK默认安装文件路径为：C:\ProgramData\NVIDIA Corporation\NVIDIA GPU Computing SDK 4.0，注意：ProgramData Win7为隐藏文件，

XP系统下默认安装路径为C:\Documents and Settings\All Users\Application

Data\NVIDIACorporation\NVIDIA GPU Computing SDK 4.0

4，C:\ProgramData\NVIDIACorporation\NVIDIA GPU Computing SDK 4.0\C\src该目录下，为SDK所带的demo程序，有VS2005、VS2008和VS2010三个版本。

5，安装CUDAWizard，下载地址：

/projects/cudavswizard/

安装后，重新打开VS2008，此时【新建项目类型】多了【CUDA】一项，此时可以新建CUDA C程序了。但此时肯定编译通不过，缺少必要的环境变量设置。

6，Ctrl+R，输入cmd，进入命令提示窗口