轻松配置一个稳定、可用且互相兼容的环境.
一、CUDA、cudnn、驱动和tensorflow
没有明确的tensorflow安装版本，可以首先从驱动版本出发
# 使用下面命令获取当前驱动信息
nvidia-smi
获取到当前驱动版本如下：
《python、cuda、cudnn 和 tensorflow 的对应关系》，部分截屏如下：
《driver 和 cuda的对应关系》，部分截屏如下：
正常情况下，参考上述两个链接，不管是根据我们的驱动版本，还是根据我们想要安装的tensorflow版本，都可以找到比较合适的对应。
二、tf-models-official、tensorflow-io 和 tensorflow
如果我们想使用官方提供的一些API，可能需要用到tensorflow-io、tf-models-official的库。此时，如果我们直接使用pip install xxx进行安装的话，很容易出现：pip觉得你现在tensorflow的版本太低了，然后自动给你安装一个更高版本的tensorflow，于是你在步骤一中安装的CUDA、cudnn、driver等直接乱套....配置环境就是在渡劫....
例如，我按照步骤一安装了tensorflow==2.3.4，结果使用pip install tf-models-official，它直接安装了最新版本=2.9.2（截止到2022年7月1日），然后提示我当前版本的tf不满足，至少需要>=2.4.0版本，于是开始下载tensorflow==2.6.0...
《tensorflow-io 和 tensorflow的对应关系》，部分截屏如下：
《tf-models-official 和 tensorflow 的对应关系》，该连接中有关于 tf-models-official 的所有历史版本，其版本号和tensorflow相对应。在实际进行使用的时候，对版本的要求没那么高，例如我本机使用的是tf=2.3.4，但安装了tf-models-official=2.5.1。部分截屏如下：
三、tensorflow-addons 和 tensorflow
tensorflow-addons 是 tf2 之后才有的库，如果没有根据版本匹配安装，容易像tensorflow-io一样自动安装很多其他版本的依赖库。
《tensorflow-addons 和 tensorflow 的对应关系》，部分截屏如下：
Original: https://blog.csdn.net/weixin_38739735/article/details/125561413
Author: 小北的北
Title: 版本对应 之 CUDA、cudnn、driver、tensorflow-io、tf-models-official、tensorflow-addons和tensorflow