CUDA版本选择
更新时间：
如您自己制作镜像，或计划在开发环境中安装 CUDA，可参考本节选择适合您的 CUDA 版本。
# 如何选择 AI 框架的安装方式
conda 的软件包更多的是偏向于数据科学、机器学习和人工智能框架等。
pip 的软件包都来源于 python 相关包的仓库，数量相对较多。
二者对比如下表：
| 对比项\安装方式 | conda | pip |
|---|---|---|
| 安装包类型 | 二进制 | 源码或者wheel包 |
| 编译器 | 否 | 是 |
| 安装的包的类型 | 任何语言的包 | 只能安装python语言的包 |
| 运行环境创建方式 | 内置运行环境 | 虚拟运行环境(第三方venv) |
| 是否需要依赖检查 | 是 | 否 |
| 安装源 | Anaconda repo | Python Package Index (opens new window) |
# 如何根据 GPU 卡型号选择合适的 CUDA 版本
目前 A 系列卡支持 cuda 版本最低 11.0，最佳适配版本如下表所示
说明：GPU 卡的官方说明，请参考 NVIDIA Developer (opens new window)
| 数据中心GPU类型 | CUDA版本支持 | 驱动版本支持（linux） |
|---|---|---|
| A2 | >=CUDA 11.1 | >=470.82 |
| A10 | >=CUDA 11.3 | >=460.21 |
| A16 | >=CUDA 11.4 | >=470 |
| A30 | >=CUDA 11.3 | >=460.65 |
| A40 | >=CUDA 11.2 | >=460.16 |
| A100-80GB | >=CUDA 11.4 | >=470.12 |
| A100-40GB | >=CUDA 11.x | 450.x |
# 如何根据 AI 框架版本安装合适的 CUDA 版本
# 前提条件
您的开发环境需满足如下条件，才能再考虑 框架 与 CUDA 兼容性的问题，否则 框架 与 CUDA 即便版本兼容，也可能会出现其他不可预知的问题。
- python 版本为 python 3.6
- 操作系统为 ubuntu 18.04
# Tensorflow 和 cuda 兼容列表
Tensorflow 1.8/ 1.9 / 1.10 / 1.11 / 1.12 / 1.13 OrionX-CS 兼容版本 >= 2.8.3，不支持 hvd 跨机多卡 ;
Tensorflow 1.14 / 1.15 /2.0/ 2.1/ 2.2/ 2.3/ 2.4/ 2.5 , OrionX-CS 兼容版本 >= 2.8.3
Tensorflow 2.6 / 2.7 / 2.8, OrionX-CS 兼容版本 >= 3.1.1
Tensorflow 安装方法：
- 使用 pip 安装 TensorFlow (google.cn)
- conda 安装请查看官方链接
| tensorflow框架版本 | PIP 安装适用CUDA版本 |
|---|---|
| tensorflow-2.8.0 | CUDA 11.2 |
| tensorflow-2.7.1 | CUDA 11.2 |
| tensorflow-2.6.3 | CUDA 11.2 |
| tensorflow-2.6.2 | CUDA 11.0 |
| tensorflow-2.6.1 | CUDA 11.0 |
| tensorflow-2.6.0 | CUDA 11.0 |
| tensorflow-2.5.3 | CUDA 11.0 |
| tensorflow-2.5.1 | CUDA 11.0 |
| tensorflow-2.5.0 | CUDA 11.0 |
| tensorflow-2.4.4 | CUDA 11.0 |
| tensorflow-2.4.3 | CUDA 11.0 |
| tensorflow-2.4.2 | CUDA 11.0 |
| tensorflow-2.4.1 | CUDA 11.0 |
| tensorflow-2.4.0 | CUDA 11.0 |
| tensorflow-2.3.4 | 暂缺 |
| tensorflow-2.3.3 | 暂缺 |
| tensorflow-2.3.1 | 暂缺 |
| tensorflow-2.3.0 | CUDA 10.1 |
| tensorflow-2.2.0 | CUDA 10.1 |
| tensorflow-2.1.0 | CUDA 10.1 |
| tensorflow-2.0.0 | CUDA 10.0 |
| tensorflow_gpu-1.15.0 | CUDA 10.0 |
| tensorflow_gpu-1.14.0 | CUDA 10.0 |
| tensorflow_gpu-1.13.1 | CUDA 10.0 |
| tensorflow_gpu-1.12.0 | CUDA 9 |
| tensorflow_gpu-1.11.0 | CUDA 9 |
| tensorflow_gpu-1.10.0 | CUDA 9 |
| tensorflow_gpu-1.9.0 | CUDA 9 |
| tensorflow_gpu-1.8.0 | CUDA 9 |
| tensorflow_gpu-1.7.0 | CUDA 9 |
| tensorflow_gpu-1.6.0 | CUDA 9 |
| tensorflow_gpu-1.5.0 | CUDA 9 |
# TensorRT 与 cuda 兼容列表
框架安装方法参考：NVIDIA Deep Learning TensorRT Documentation (opens new window)
| 框架版本 | PIP 安装适用的 CUDA 版本 |
|---|---|
| TensorRT 8.4.0 EA | CUDA 11.2~CUDA 11.6 |
| 8.2.4 | CUDA10.2 ~ CUDA11.5 |
| 8.2.3 | CUDA10.2 ~ CUDA11.5 |
| 8.2.2 | CUDA10.2 ~ CUDA11.5 |
| 8.2.1 | CUDA10.2 ~ CUDA11.5 |
| 8.2.0 EA | CUDA10.2 ~ CUDA11.4 |
| 8.0.3 | CUDA10.2 ~ CUDA13.1 |
| 8.0.2 | CUDA10.2 ~ CUDA11.3 |
| 8.0.1 | CUDA10.2 ~ CUDA11.3 |
| 8.0.0 EA | CUDA10.2 ~ CUDA11.3 |
| 7.2.3 | CUDA10.2 ~ CUDA11.2 |
| 7.2.2 | CUDA10.2 ~ CUDA11.2 |
| 7.2.1 | CUDA10.2 ~ CUDA11.1 |
| 7.2.0 | CUDA10.2、CUDA11.1 |
| 7.1.3 | CUDA10.2、CUDA11.0 RC |
| 7.1.0 EA | CUDA10.2 |
| 7.0.0 | CUDA 9.0、CUDA10.0、CUDA10.2 |
| 6.0.1 | CUDA 9.0、CUDA10.0、CUDA10.1、CUDA10.2 |
| 5.1.5 | CUDA Toolkit 9.0, 10.0 or 10.1 |
| 5.1.3 | CUDA Toolkit 9.0, 10.0 or 10.1 |
| 5.1.2 RC | CUDA Toolkit 9.0, 10.0 or 10.1 |
| 5.1.1 RC | CUDA Toolkit 9.0, 10.0 or 10.1 |
| 5.1.0 RC | CUDA Toolkit 9.0 or 10.0 |
| 5.0.6 | CUDA Toolkit v9.0 or 10.0 |
| 5.0.5 | CUDA Toolkit v9.0 or 10.0 |
| 5.0.4 | CUDA Toolkit v9.0 or 10.0 |
| 5.0.3 | CUDA Toolkit v9.0 or 10.0 |
| 5.0.2 | CUDA Toolkit v9.0 or 10.0 |
| 5.0.1 RC | CUDA Toolkit v9.0 or 10.0 |
| 5.0.0 RC | CUDA Toolkit v9.0 or 10.0 |
# Pytorch 与 CUDA 版本兼容列表
pytorch 安装时会自带必要的 cuda 库，无需单独安装 cuda，如已经独立安装，在安装 pytorch 时一定要跟现有 cuda 严格匹配版本。
pip/conda 安装方法请参考 Previous PyTorch Versions |PyTorch (opens new window)。
| 框架版本 | PIP 安装适用的 CUDA 版本 | Conda 安装适用的 CUDA 版本 |
|---|---|---|
| 1.11.0 | CUDA 11.3 | CUDA 11.3 |
| CUDA 10.2 | CUDA 10.2 | |
| ROCM 4.5.2(beta) | ROCM 4.5.2(beta) | |
| 1.8.2 | CUDA 11.1 | CUDA 11.1 |
| CUDA 10.2 | CUDA 10.2 | |
| ROCM 4.5.2(beta) | ROCM 4.5.2(beta) | |
| 1.10.1 | CUDA 11.3 | CUDA 11.3 |
| CUDA 11.1 | ||
| CUDA 10.2 | CUDA 10.2 | |
| ROCM 4.2 (Linux only) | ROCM | |
| ROCM 4.1 (Linux only) | ||
| ROCM 4.0.1 (Linux only) | ||
| 1.10.0 | CUDA 11.1 | CUDA 11.3 |
| CUDA 10.2 | CUDA 10.2 | |
| ROCM 4.2 (Linux only) | ROCM | |
| ROCM 4.1 (Linux only) | ROCM | |
| ROCM 4.0.1 (Linux only) | ROCM | |
| 1.9.1 | CUDA 11.1 | CUDA 11.3 |
| CUDA 10.2 | CUDA 10.2 | |
| ROCM 4.2 (Linux only) | ROCM | |
| ROCM 4.1 (Linux only) | / | |
| ROCM 4.0.1 (Linux only) | / | |
| 1.9.0 | CUDA 11.1 | / |
| CUDA 10.2 | / | |
| 1.8.1 | CUDA 11.1 | CUDA 11.3 |
| CUDA 10.2 | CUDA 10.2 | |
| CUDA 10.1 | / | |
| ROCM 4.0.1 (Linux only) | ROCM | |
| ROCM 3.10 (Linux only) | ROCM | |
| 1.8.0 | CUDA 11.1 | CUDA 11.1 |
| CUDA 10.2 | CUDA 10.2 | |
| CUDA 10.1 | ||
| RocM 4.0.1 (Linux only) | ROCM | |
| 1.7.1 | CUDA 11.0 | CUDA 11.0 |
| CUDA 10.2 | CUDA 10.2 | |
| CUDA 10.1 | CUDA 10.1 | |
| CUDA 9.2 | CUDA 9.2 | |
| 1.7.0 | CUDA 11.0 | CUDA 11.0 |
| CUDA 10.2 | CUDA 10.2 | |
| CUDA 10.1 | CUDA 10.1 | |
| CUDA 9.2 | CUDA 9.2 | |
| 1.6.0 | CUDA 10.2 | CUDA 10.2 |
| CUDA 10.1 | CUDA 10.1 | |
| CUDA 9.2 | CUDA 9.2 | |
| 1.5.1 | CUDA 10.2 | CUDA 10.2 |
| CUDA 10.1 | CUDA 10.1 | |
| CUDA 9.2 | CUDA 9.2 | |
| 1.5.0 | CUDA 10.2 | CUDA 10.2 |
| CUDA 10.1 | CUDA 10.1 | |
| CUDA 9.2 | CUDA 9.2 | |
| 1.4.0 | CUDA 10.1 | CUDA 10.1 |
| CUDA 10.0 | ||
| CUDA 9.2 | CUDA 9.2 | |
| 1.3.1 | CUDA 10.1 | / |
| CUDA 10.0 | / | |
| CUDA 9.2 | / | |
| 1.3.0 | CUDA 10.1 | / |
| CUDA 10.0 | / | |
| CUDA 9.2 | / | |
| 1.2.0 | CUDA 10.0 | CUDA 10.0 |
| CUDA 9.2 | CUDA 9.2 | |
| 1.1.0 | CUDA 10.0 | CUDA 10.0 |
| CUDA 9.0 | CUDA 9.0 | |
| 1.0.1 | CUDA 10.0 | CUDA 10.0 |
| CUDA 9.0 | CUDA 9.0 | |
| 1.0.0 | CUDA 10.0 | CUDA 10.0 |
| CUDA 9.0 | / |
# PaddlePaddle 与 cuda 版本兼容列表
1.5 / 1.6 / 2.0 , OrionX-CS 兼容版本 >= 2.8.3
2.1 / 2.2 , OrionX-CS 兼容版本 >=3.1.0
安装方法参考 飞桨深度学习平台 (opens new window)。
| AI框架 | 框架版本 | PIP 安装适用CUDA版本 | Conda 安装适用CUDA版本 |
|---|---|---|---|
| PaddlePaddle | 2.2 推荐，稳定版 | CUDA 11.2 | CUDA 11.2 |
| CUDA 11.1 | CUDA 11.1 | ||
| CUDA 11.0 | CUDA 11.0 | ||
| CUDA 10.2 | CUDA 10.2 | ||
| CUDA 10.1 | CUDA 10.1 | ||
| ROCM 4.0 | ROCm 4.0 | ||
| 2.0 (opens new window) | CUDA 11.0 | CUDA11 | |
| CUDA 10.2 | CUDA10.2 | ||
| CUDA 10.1 | CUDA10.1 | ||
| CUDA 10.0 | CUDA10.0 | ||
| 1.8 (opens new window) | gpu版本paddlepaddle： python3CUDA 10.1/10.0 | CUDA10.0 | |
| 1.7 (opens new window) | gpu版本paddlepaddle： python3CUDA 10.1/10.0 | CUDA10.0 | |
| 1.6 (opens new window) | gpu版本paddlepaddle： python3CUDA 10.1/10.0 | CUDA10.0 | |
| 1.5 (opens new window) | gpu版本paddlepaddle： python3CUDA 10.1/10.0 | CUDA10.0 | |
| 1.4 (opens new window) | gpu版本paddlepaddle： python3CUDA 10.1/10.0 | CUDA10.0 |
# MXNet 与 cuda 兼容性列表
安装方法请参考 Get Started | ApacheMXNet (opens new window)。
| AI框架 | 框架版本 | PIP 安装适用CUDA版本 |
|---|---|---|
| MXNet | 1.9.0 | CUDA 10.2 |
| 1.8.0 | CUDA 10.2 | |
| 1.7.0 | CUDA 10.2 | |
| 1.6.0 | CUDA 10.2 | |
| 1.5.1 | CUDA 10.1 | |
| 1.4.1 | CUDA 10.1 | |
| 1.3.1 | CUDA 9.2 | |
| 1.2.1 | CUDA 9.2 | |
| 1.1.0 | CUDA 9.1 | |
| 1.0.0 | CUDA 9.0 | |
| 0.12.1 | CUDA 9.0 | |
| 0.11.0 | CUDA 8.0 |
# XGBoost 与 cuda 兼容列表
# 目前支持版本
XGBoost 0.72 / 0.8 / 0.9
OrionX-CS 兼容版本 >= 2.8.3
暂无cuda标准适配版本
# 框架安装
pip 安装，可参考如下命令
pip install xgboost==0.90 //0.90为版本号，请根据实际情况定义也可访问 https://pypi.tuna.tsinghua.edu.cn/simple/xgboost/ 下载如
xgboost-0.90-py2.py3-none-manylinux1_x86_64.whl并安装。conda 安装，可参考如下命令
conda install -c anaconda py-xgboost-gpu==0.90 //0.90为版本号，请根据实际情况定义
# CuDF/CuML 与 cuda 兼容列表
OrionX-CS 兼容版本 >=2.8.3
仅支持单机单卡的本地/远程调用其他不支持
框架安装，请参考 https://packages.ubuntu.com/source/cudf (opens new window)。
| AI框架 | 框架版本 | PIP 安装适用CUDA版本 | Conda 安装适用CUDA版本 |
|---|---|---|---|
| CuDF / CuML | 21.08 | CUDA 11.0+ | CUDA 11.2 |
| CUDA 10.0 | CUDA 11.0 | ||
| CUDA 9.2 | - |