前言
CUDA (Compute Unified Device Architecture)，是NVIDIA发布的一个通用并行计算平台和编程模型。基于CUDA编程可以利用GPUs的并行计算引擎来更加高效地解决计算量大的难题。近年来，GPU最成功的一个应用就是深度学习领域，基于GPU的并行计算已经成为训练深度学习模型的标配。各个深度学习框架基本也都是CUDA实现对GPU的调用及操作。截至本文发文，最新的CUDA版本为CUDA11.6。
本文主要记录，不同的深度学习框架使用CUDA需要注意的版本等问题。
注意事项
以GPU版本的tensorflow为例，一般注意以下几个问题就不会出错。
1、确定自已要安装那个版本的 tensorflow-gpu;
2、根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本；
3、根据要安装的CUDA版本确定要下载的Cudnn版本（CUDA Deep Neural Network，是用于深度神经网络的GPU加速库）
Tensorflow-gpu版本与CUDA版本对应关系
如下表所示
?对于版本号大于1.13的tensorflow-gpu的1.x版本，如1.14、1.15，建议安装CUDA10.0，不要安装CUDA10.1，安装后会提示缺少很多库文件，而导致GPU版本的tensorflow无法使用，如下图所示：
?如果是2.0以上的tensorflow，则按下面列表安装：
| TF | CUDA | cudnn |
|---|---|---|
| 2.0 | 10.0 | 7.6 |
| 2.1 | 10.1 | 7.6 |
| 2.2 | 10.1 | 7.6 |
| 2.3 | 10.1 | 7.6 |
| 2.4 | 11.0 | 8.0 |
| 2.5 | 11.2 | 8.1 |
| 2.6 | 11.3 | 8.2 |
| 2.7 | 11.3 | 8.2 |
PyTorch-gpu版本与CUDA版本对应关系
为了用户下载的PyTorch与机器的CUDA版本能应对上，PyTorch的官网做了非常清晰的下载指示。如下图：
目前主流使用的版本为基于CUDA11.3的PyTorch1.11
CUDNN与CUDA的对应关系
可以直接通过nvidia的官网查看：?cuDNN Archive | NVIDIA Developer
参考网址：
