框架的正确运行需要配套固定版本的python、显卡驱动、CUDA、CUDNN,低了不行高了也不行。
下面就教你怎么查看各个环境的版本呢,各个框架需要什么版本的运行环境.
我的系统为Ubuntu 18.04
一、环境查看的方法
查看python版本
其实命令行进入python就会显示版本;
也可以:
python --version
查看CUDA版本
cat /usr/local/cuda/version.txt
查看GPU 型号
lspci | grep -i nvidia
查看NVIDIA驱动版本
sudo dpkg --list | grep nvidia-*
查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
查看Tensorflow版本
如果安装了pip或者conda可以运行
pip list
或者
conda list
找到其中Tensorflow查看版本
也可以进入python环境:
import tensorflow as tf
tf.__version__
查看Pytorch版本
安装了pip或者conda可以向上面一样运行
pip list
或者
conda list
找到其中叫做 torch 的包查看版本(注意不叫pytorch)
也可以进入python环境,输入:
import torch
torch.__version__
查看已经安装的Pytorch对应的CUDA版本
进入python环境,输入:
import torch
torch.version.cuda
查看已经安装的Pytorch对应的CUDNN版本
进入python环境,输入:
import torch
torch.backends.cudnn.version()
二、各环境版本配套要求
我们已经知道自己的环境是啥版本了,然后我们了解一下各个套件之间的依赖关系和配套的要求。
CUDA与NVIDIA驱动版本对应关系
CUDA、CUDNN和显卡驱动
1、显卡驱动与CUDA
CUDA和显卡驱动没有一一对应的关系
NVIDIA的显卡驱动器与CUDA并不是一一对应的哦,CUDA本质上只是一个工具包而已,所以我可以在同一个设备上安装很多个不同版本的CUDA工具包,比如我的电脑上同事安装了 CUDA 9.0、CUDA 9.2、CUDA 10.0三个版本。一般情况下,我只需要安装最新版本的显卡驱动,然后根据自己的选择选择不同CUDA工具包就可以了,但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序,所以在使用多个CUDA的时候就不要选择离线安装的CUDA了,否则每次都会安装不同的显卡驱动,这不太好,我们直接安装一个最新版的显卡驱动,然后在线安装不同版本的CUDA即可。
2、cuDNN与CUDA
cuDNN与CUDA没有一一对应的关系
cuDNN是一个SDK,是一个专门用于神经网络的加速包,注意,它跟我们的CUDA没有一一对应的关系,即每一个版本的CUDA可能有好几个版本的cuDNN与之对应,但一般有一个最新版本的cuDNN版本与CUDA对应更好。
Pytorch与CUDA的对应关系
Pytorch没有Tensorflow那么明确的表格,但是https://pytorch.org/get-started/locally/提供了最新的Pytorch各个环境的安装命令,从表格中可以看到环境需求。
现在最新的Pytorch为1.4 需求CUDA版本9.2或10.1
以往的Pytorch版本安装命令如下:
https://pytorch.org/get-started/previous-versions/
v1.2.0_Conda_OSX
# conda
conda install pytorch==1.2.0 torchvision==0.4.0 -c pytorch
Linux and Windows
# CUDA 9.2
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch
# CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch
# CPU Only
conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly -c pytorch
Wheel_OSX
pip install torch==1.2.0 torchvision==0.4.0
Linux and Windows
# CUDA 10.0
pip install torch==1.2.0 torchvision==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html
# CUDA 9.2
pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html
# CPU only
pip install torch==1.2.0+cpu torchvision==0.4.0+cpu -f https://download.pytorch.org/whl/torch_stable.html