嘿，这个问题真的太常见了——好多人升级TensorFlow或者搭配旧版CUDA、cuDNN套件时都会踩兼容性的坑。其实官方是有明确的、经过测试验证的兼容组合列表的，可能你找的时候没留意到具体位置。下面我把主流版本的兼容情况整理出来，都是官方测试过的稳定组合：

TensorFlow 2.x 兼容组合 #

• TensorFlow 2.15.x：适配CUDA 12.2，cuDNN 8.9
• TensorFlow 2.14.x：适配CUDA 12.2，cuDNN 8.9
• TensorFlow 2.13.x：适配CUDA 11.8，cuDNN 8.6
• TensorFlow 2.12.x：适配CUDA 11.8，cuDNN 8.6
• TensorFlow 2.11.x：适配CUDA 11.2，cuDNN 8.1
• TensorFlow 2.10.x：优先适配CUDA 11.2 + cuDNN 8.1，同时也支持CUDA 11.3 + cuDNN 8.2（但官方更推荐前者）
• TensorFlow 2.9.x：适配CUDA 11.2，cuDNN 8.1
• TensorFlow 2.8.x：适配CUDA 11.2 + cuDNN 8.1，也支持CUDA 11.1 + cuDNN 8.0
• TensorFlow 2.7.x：适配CUDA 11.2 + cuDNN 8.1，或CUDA 11.0 + cuDNN 8.0
• TensorFlow 2.6.x：适配CUDA 11.2 + cuDNN 8.1，或CUDA 11.0 + cuDNN 8.0
• TensorFlow 2.5.x：适配CUDA 11.2 + cuDNN 8.1，或CUDA 11.0 + cuDNN 8.0
• TensorFlow 2.4.x：适配CUDA 11.0 + cuDNN 8.0，也支持CUDA 10.2 + cuDNN 7.6

TensorFlow 1.x 兼容组合（仅维护版本） #

如果还在使用1.x版本，以下是官方验证的稳定组合：

• TensorFlow 1.15.x：适配CUDA 10.0 + cuDNN 7.4，也支持CUDA 10.1 + cuDNN 7.6
• TensorFlow 1.14.x：适配CUDA 10.0 + cuDNN 7.4

额外提醒：这些组合都是官方经过严格测试的，能保证最稳定的运行效果。要是非要跨版本搭配，大概率会遇到导入错误、性能骤降甚至完全无法启动的问题。另外别忘了，NVIDIA驱动版本也要和CUDA版本匹配——比如CUDA 12.2需要驱动≥535.86.05，CUDA 11.8需要驱动≥450.80.02，这些细节在官方文档的「硬件要求」或「安装指南」子栏目里都能找到，下次找的时候可以多留意这些地方~

内容的提问来源于stack exchange，提问作者whiletrue