【Linux】CUDA Toolkit和cuDNN版本对应关系(更新至2022年6月,附官网永久更新链接)

人工智能28

目录

一、前言

NVIDIA® CUDA® Toolkit 为创建高性能 GPU 加速应用程序提供了一个开发环境。借助 CUDA 工具包,您可以在 GPU 加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和 HPC 超级计算机上开发、优化和部署您的应用程序。该工具包包括 GPU 加速库、调试和优化工具、C/C++ 编译器以及用于部署应用程序的运行时库。
全球的深度学习研究人员和框架开发人员都依赖cuDNN来实现高性能GPU加速。它使他们可以专注于训练神经网络和开发软件应用程序,而不必花时间在底层GPU性能调整上。
本篇博客记录了了CUDA Toolkit 和cuDNN的版本对应关系,并给出了下载官网的地址,一些初学者可能需要这份版本对应关系表,下载之前可能需要注册一个账号。

二、对应关系

cuDNNCUDAcuDNN v8.4.0 (April 1st, 2022)CUDA 11.xcuDNN v8.4.0 (April 1st, 2022)CUDA 10.2cuDNN v8.3.3 (March 18th, 2022)CUDA 11.5cuDNN v8.3.3 (March 18th, 2022)CUDA 10.2cuDNN v8.3.2 (January 10th, 2022)CUDA 11.5cuDNN v8.3.2 (January 10th, 2022)CUDA 10.2cuDNN v8.3.1 (November 22nd, 2021)CUDA 11.5cuDNN v8.3.1 (November 22nd, 2021)CUDA 10.2cuDNN v8.3.0 (November 3rd, 2021)CUDA 11.5cuDNN v8.3.0 (November 3rd, 2021)CUDA 10.2cuDNN v8.2.4 (September 2nd, 2021)CUDA 11.4cuDNN v8.2.4 (September 2nd, 2021)CUDA 10.2cuDNN v8.2.2 (July 6th, 2021)CUDA 11.4cuDNN v8.2.2 (July 6th, 2021)CUDA 10.2cuDNN v8.2.1 (June 7th, 2021)CUDA 11.xcuDNN v8.2.1 (June 7th, 2021)CUDA 10.2cuDNN v8.2.0 (April 23rd, 2021)CUDA 11.xcuDNN v8.2.0 (April 23rd, 2021)CUDA 10.2cuDNN v8.1.1 (Feburary 26th, 2021)CUDA 11.0,11.1 and 11.2cuDNN v8.1.1 (Feburary 26th, 2021)CUDA 10.2cuDNN v8.1.0 (January 26th, 2021)CUDA 11.0,11.1 and 11.2cuDNN v8.1.0 (January 26th, 2021)CUDA 10.2cuDNN v8.0.5 (November 9th, 2020)CUDA 11.1cuDNN v8.0.5 (November 9th, 2020)CUDA 11.0cuDNN v8.0.5 (November 9th, 2020)CUDA 10.2cuDNN v8.0.5 (November 9th, 2020)CUDA 10.1cuDNN v8.0.4 (September 28th, 2020)CUDA 11.1cuDNN v8.0.4 (September 28th, 2020)CUDA 11.0cuDNN v8.0.4 (September 28th, 2020)CUDA 10.2cuDNN v8.0.4 (September 28th, 2020)CUDA 10.1cuDNN v8.0.3 (August 26th, 2020)CUDA 11.0cuDNN v8.0.3 (August 26th, 2020)CUDA 10.2cuDNN v8.0.3 (August 26th, 2020)CUDA 10.1cuDNN v8.0.2 (July 24th, 2020)CUDA 11.0cuDNN v8.0.2 (July 24th, 2020)CUDA 10.2cuDNN v8.0.2 (July 24th, 2020)CUDA 10.1cuDNN v8.0.1 RC2 (June 26th, 2020)CUDA 11.0cuDNN v8.0.1 RC2 (June 26th, 2020)CUDA 10.2cuDNN v7.6.5 (November 18th, 2019)CUDA 10.2cuDNN v7.6.5 (November 5th, 2019)CUDA 10.1cuDNN v7.6.5 (November 5th, 2019)CUDA 10.0cuDNN v7.6.5 (November 5th, 2019)CUDA 9.2cuDNN v7.6.5 (November 5th, 2019)CUDA 9.0cuDNN v7.6.4 (September 27, 2019)CUDA 10.1cuDNN v7.6.4 (September 27, 2019)CUDA 10.0cuDNN v7.6.4 (September 27, 2019)CUDA 9.2cuDNN v7.6.4 (September 27, 2019)CUDA 9.0cuDNN v7.6.3 (August 23, 2019)CUDA 10.1cuDNN v7.6.3 (August 23, 2019)CUDA 10.0cuDNN v7.6.3 (August 23, 2019)CUDA 9.2cuDNN v7.6.3 (August 23, 2019)CUDA 9.0cuDNN v7.6.2 (July 22, 2019)CUDA 10.1cuDNN v7.6.2 (July 22, 2019)CUDA 10.0cuDNN v7.6.2 (July 22, 2019)CUDA 9.2cuDNN v7.6.2 (July 22, 2019)CUDA 9.0cuDNN v7.6.1 (June 24, 2019)CUDA 10.1cuDNN v7.6.1 (June 24, 2019)CUDA 10.0cuDNN v7.6.1 (June 24, 2019)CUDA 9.2cuDNN v7.6.1 (June 24, 2019)CUDA 9.0cuDNN v7.6.0 (May 20, 2019)CUDA 10.1cuDNN v7.6.0 (May 20, 2019)CUDA 10.0cuDNN v7.6.0 (May 20, 2019)CUDA 9.2cuDNN v7.6.0 (May 20, 2019)CUDA 9.0cuDNN v7.5.1 (April 22, 2019)CUDA 10.1cuDNN v7.5.1 (April 22, 2019)CUDA 10.0cuDNN v7.5.1 (April 22, 2019)CUDA 9.2cuDNN v7.5.1 (April 22, 2019)CUDA 9.0cuDNN v7.5.0 (Feb 25, 2019)CUDA 10.1cuDNN v7.5.0 (Feb 21, 2019)CUDA 10.0cuDNN v7.5.0 (Feb 21, 2019)CUDA 9.2cuDNN v7.5.0 (Feb 21, 2019)CUDA 9.0cuDNN v7.4.2 (Dec 14, 2018)CUDA 10.0cuDNN v7.4.2 (Dec 14, 2018)CUDA 9.2cuDNN v7.4.2 (Dec 14, 2018)CUDA 9.0cuDNN v7.4.1 (Nov 8, 2018)CUDA 10.0cuDNN v7.4.1 (Nov 8, 2018)CUDA 9.2cuDNN v7.4.1 (Nov 8, 2018)CUDA 9.0cuDNN v7.3.1 (Sept 28, 2018)CUDA 10.0cuDNN v7.3.1 (Sept 28, 2018)CUDA 9.2cuDNN v7.3.1 (Sept 28, 2018)CUDA 9.0cuDNN v7.3.0 (Sept 19, 2018)CUDA 10.0cuDNN v7.3.0 (Sept 19, 2018)CUDA 9.0cuDNN v7.2.1 (August 7, 2018)CUDA 9.2cuDNN v7.1.4 (May 16, 2018)CUDA 9.2cuDNN v7.1.4 (May 16, 2018)CUDA 9.0cuDNN v7.1.4 (May 16, 2018)CUDA 8.0cuDNN v7.1.3 (April 17, 2018)CUDA 9.1cuDNN v7.1.3 (April 17, 2018)CUDA 9.0cuDNN v7.1.3 (April 17, 2018)CUDA 8.0cuDNN v7.1.2 (Mar 21, 2018)CUDA 9.1 & 9.2cuDNN v7.1.2 (Mar 21, 2018)CUDA 9.0cuDNN v7.0.5 (Dec 11, 2017)CUDA 9.1cuDNN v7.0.5 (Dec 5, 2017)CUDA 9.0cuDNN v7.0.5 (Dec 5, 2017)CUDA 8.0cuDNN v7.0.4 (Nov 13, 2017)CUDA 9.0cuDNN v6.0 (April 27, 2017)CUDA 8.0cuDNN v6.0 (April 27, 2017)CUDA 7.5cuDNN v5.1 (Jan 20, 2017)CUDA 8.0cuDNN v5.1 (Jan 20, 2017)CUDA 7.5cuDNN v5 (May 27, 2016)CUDA 8.0cuDNN v5 (May 12, 2016)CUDA 7.5cuDNN v4 (Feb 10, 2016)CUDA 7.0 and later.cuDNN v3 (September 8, 2015)CUDA 7.0 and later.cuDNN v2 (March 17,2015)CUDA 6.5 and later.cuDNN v1 (cuDNN 6.5 R1)

; 三、如何使用

安装流程参考:

四、总结

  • CUDA Toolkit 和cuDNN的版本对应关系很重要,是正确利用GPU计算资源的关键。
    如果本文能给你带来帮助的话,点个赞鼓励一下作者吧!

五、参考

[1] cuDNN 官网下载地址:https://developer.nvidia.com/rdp/cudnn-archive
[2] CUDA 工具包下载地址:https://developer.nvidia.com/cuda-toolkit-archive

Original: https://blog.csdn.net/tangjiahao10/article/details/125225786
Author: TangPlusHPC
Title: 【Linux】CUDA Toolkit和cuDNN版本对应关系(更新至2022年6月,附官网永久更新链接)

相关文章
Error: No module named ‘tensorflow.contrib‘ 人工智能

Error: No module named ‘tensorflow.contrib‘

总论(这是我的总结可以不看直接看下面的安装) 1、 不用看那些版本对应表啊!!!! 记录那些年自己掉过的坑,自己也是看了其他人好多博客,总结下来一个核心问题是要求版本对应,发现大家都是这样教的,以这样...
什么是准确率(Accuracy) 人工智能

什么是准确率(Accuracy)

你好,这篇文章咱们讨论一下关于「什么是准确率(Accuracy)」的事情... 准确率(Accuracy)的定义和计算方法 准确率(Accuracy)是指模型在所有分类样本中正确分类的比例,通常用百分...
ubuntu18 CUDA版本降级 人工智能

ubuntu18 CUDA版本降级

用别人的代码训练模型时,由于tensorflow-gpu版本太高,报了很多错,一个个改太麻烦,所以直接降级。tensorflow降级为1.14,与此同时也要换成对应版本的CUDA和cuDNN。 1.t...
DBSCAN聚类算法的实现 人工智能

DBSCAN聚类算法的实现

DBSCAN聚类算法的实现 1. 作者介绍 2.关于理论方面的知识介绍 * 2.1 DBSCAN算法介绍 2.2 鸢尾花数据集介绍 3.实验过程 * 3.1 实验代码 3.2 实现过程 3.3 实验结...
【聚类2】原型聚类 人工智能

【聚类2】原型聚类

文章目录 1. 原型聚类 * 1.1 k均值算法(K-Means) - 1.1.1 最小化平方误差 1.1.2 k均值算法伪代码 1.2 学习向量量化 - 1.2.2 学习向量量化算法伪代码 1.2....
思考:2021年还可以入门深度学习吗? 人工智能

思考:2021年还可以入门深度学习吗?

前言 过年时闲来无事,瞎翻自己的博客,偶然看到之前写的一篇文章: 一篇文章解决机器学习,深度学习入门疑惑 这篇文章原先发布于2018年中旬,那会正是 深度学习、神经网络无脑火热的时候。火热到什么程度?...
Spark SQL 之 DataFrame 人工智能

Spark SQL 之 DataFrame

Spark SQL是Spark的一个组件,用于结构化数据的计算。Spark SQL提供了一个称为DataFrames的编程抽象,DataFrames可以充当分布式SQL查询引擎。 DataFrame是...
如何使用深度强化学习进行游戏AI 人工智能

如何使用深度强化学习进行游戏AI

你好,这篇文章咱们讨论一下关于「如何使用深度强化学习进行游戏AI」的事情... 如何使用深度强化学习进行游戏AI 在过去的几年里,深度强化学习(AL)已经成为了游戏人工智能研究的一个热点。与传统的游戏...
密度峰值聚类算法 人工智能

密度峰值聚类算法

文章目录 前言 一、DPC是什么? 二、算法参数介绍 * 1.局部密度 2.距离 3.代码部分 * 3.1 导入数据包 3.2 计算数据点两两之间的距离 3.3找到密度计算的阈值dc 3.4 计算每个...
PCM 和I2S的区别 人工智能

PCM 和I2S的区别

PCM(PCM-clock、PCM-sync、PCM-in、PCM-out)脉冲编码调制,模拟语音信号经过采样量化以及一定数据排列就是PCM了。理论上可以传输单声道,双声道立体声和多声道。是数字音频的...