启用 AVX/FMA 指令的 TensorFlow 代码包（whl）

由于谷歌官方并未提供启用 AVX/FMA 指令的 TensorFlow 代码包。所以我根据 TensorFlow 源代码编译启用了 AVX/FMA 指令和 cuda\cuDNN 的代码包，供大家下载：

（注意！仅适用于支持 AVX2 指令集的英特尔处理器）

我会根据后续版本更新持续提供对应编译版本，敬请关注！

TensorFlow 1.8.0

1.未启用 cuda 和 cuDNN：（截至2018年5月21日）

Python	Windows	Linux
Python 2.7	x64	x64
Python 3.6	x64	x64

2.启用 cuda-9.2 和 cuDNN-7.1，其中 cuda 位于 /usr/local/cuda-9.2，NCCL 1.3，未启用 TensorRT，compute capability: 6.1，未加–cxxopt=”-D_GLIBCXX_USE_CXX11_ABI=0″ 选项：（截至2018年5月21日）

Python	Windows	Linux
Python 2.7	暂无	x64
Python 3.5	暂无	x64

3.启用 cuda-9.0 和 cuDNN-7.1，其中 cuda 位于 /usr/local/cuda（指向 /usr/local/cuda-9.0），NCCL 2.2、TensorRT 3，compute capability: 6.1：（截至2018年6月1日）

Python	Windows	Linux
Python 2.7	暂无	x64
Python 3.5	暂无	x64
Python 3.6	暂无	x64

4.启用 cuda-9.0 和 cuDNN-7.1，其中 cuda 位于 /usr/local/cuda（指向 /usr/local/cuda-9.0），NCCL 1.3、TensorRT 3，compute capability:6.1：（截至2018年6月1日）

Python	Windows	Linux
Python 2.7	暂无	x64
Python 3.5	暂无	x64
Python 3.6	暂无	x64

TensorFlow 1.9.0

1.未启用 cuda 和 cuDNN：（截至2018年6月16日）

Python	Windows	Linux
Python 2.7	暂无	rc1 | rc2 | Release
Python 3.6	暂无	rc1 | rc2 | Release

2.启用 cuda 9.2\cuDNN 7.1\nccl2.2\TensorRT4.0：（截至2018年7月4日）

Python	Windows	Linux
Python 2.7	暂无	rc2 | Release
Python 3.6	暂无	rc2 | Release

TensorFlow 1.10.0

从此版本开始，支持 GPU 的预编译版基于 NCCL 2.2，且不附带 NCCL。因此多 GPU 支持需要升级到 NCCL 2.2。

1.未启用 cuda 和 cuDNN：（截至2018年8月11日）

Python	Windows	Linux
Python 2.7	x64	x64
Python 3.6	x64	x64

2.启用 cuda 9.2\cuDNN 7.1\nccl 2.2\TensorRT 4.0：（截至2018年8月11日）

Python	Windows	Linux
Python 2.7	暂无	x64
Python 3.6	暂无	x64

3.启用 cuda 9.2\cuDNN 7.2\nccl 2.2\TensorRT 4.0：（截至2018年8月11日）

Python	Windows	Linux
Python 2.7	暂无	x64
Python 3.6	暂无	x64

TensorFlow 1.10.1

1.启用 cuda 10.0\cuDNN 7.3\nccl 2.3\TensorRT 5.0 RC：（截至2018年9月25日）

Python	Linux
Python 2.7	x64
Python 3.6	x64

TensorFlow 1.11.0

预告：从此版本开始，Windows 版仅支持使用 bazel 编译。

1.启用 cuda 10.0\cuDNN 7.2\nccl 2.3\TensorRT 5.0 RC：（截至2018年9月28日）

Python	Linux
Python 2.7	x64
Python 3.6	x64

---

由于受众有限，不提供 OS X 版。

如果您需要自行编译，可以参照以下文章：

《在 Windows 10 中编译 TensorFlow》

《在 Ubuntu 中编译 TensorFlow》