CUDA学习（一）——如何查看自己CUDA版本？

最新推荐文章于 2025-02-24 16:14:07 发布
最新推荐文章于 2025-02-24 16:14:07 发布
阅读量10w+ 收藏 492
点赞数 233
分类专栏： 深度学习 文章标签： cuda gpu 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bruce_zhao1407/article/details/109580835
版权

最近在装pytorch的时候，看到了一个选择CUDA版本的选项
在这里插入图片描述
之前从来没用过CUDA这玩意，当然也不知道CUDA版本啥玩意，于是找了与一下

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

关于查看自己电脑上的CUDA版本，首先需要区分CUDA的两种API，即运行时API(Runtime API)和驱动API(Driver API)

1. 驱动API(Driver API)

驱动API(Driver API)由GPU driver installer安装

方法1

如图
在搜索栏搜NVIDIA
在这里插入图片描述

在搜索结果中选NVIDIA Control Panel在这里插入图片描述
双击打开后如图所示
在这里插入图片描述

点击底下的系统信息
在这里插入图片描述

进入后再点击组件
在这里插入图片描述

然后就能看到CUDA版本啦
在这里插入图片描述

方法2

命令行输入nvidia-smi
在这里插入图片描述
右上角的CUDA Version便是CUDA Driver API版本

2. 运行时API(Runtime API)

查看运行时API 版本的前提是已将在电脑上安装了CUDA Toolkit

命令行输入nvcc -V
在这里插入图片描述
最下边一行便是CUDA Runtime API的版本

注意：Driver API和Runtime API可以不同，具体应用要看使用场景

有关二者的不同可以参考这篇文章https://blog.csdn.net/weixin_39518984/article/details/111406728

【CUDA】如何查看 CUDA 版本：详细指南
人生苦短，睡觉要紧，睡醒再说
08-15 3万+
了解 CUDA 版本对于确保软件兼容性和优化性能非常重要。以上介绍的几种方法涵盖了从命令行工具到程序代码的多种选择，适用于不同的操作系统和环境。根据你的需求，选择最适合的方法来检查 CUDA 版本，确保你的开发工作顺利进行。
深度学习环境搭配——cuda+cudnn+tensorflow-gpu+keras
01-20
深度学习环境搭配——cuda+cudnn+tensorflow-gpu+keras 一、手动安装： cuda下载：https://developer.nvidia.com/cuda-toolkit cudnn下载：https://developer.nvidia.com/cudnn tensorflow版本和cuda的对应关系： https://www.tensorflow.org/install/source#common_installation_problems https://www.tensorflow.org/install/source_windows keras和tenso
查看 CUDA 版本
rememberjjjz的博客
02-19 9031
查看CUDA版本
本地部署AI大模型之GPU：如何查看电脑上cuda的安装版本
最新发布
m0_37982378的博客
02-24 1027
一文详细说明如何查看电脑上cuda的安装版本
命令行_nvidia-smi——查看电脑cuda版本
qq_59344127的博客
06-03 2404
在命令行中输入 nvcc --version，按回车键执行。这将显示安装在系统上的CUDA版本。
查看自己显卡支持的最高CUDA版本，和已安装的CUDA版本
小沐
09-14 2万+
由于群里最近很多朋友在研究AI相关软件，AI就需要用上nvidia显卡相关知识，例如：GPU、CUDA。今天就来顺便笔记一下。
nvcc --version和nvidia-smi显示的CUDA Version不一致
won_t的博客
05-04 4052
CUDA有两种API，一个是驱动API（Driver Version），依赖NVIDIA驱动，由nvidia-smi查看，另一个是运行API（Runtime Version）是软件运行所需要的，一般驱动API版本>=运行API版本即可。驱动API的依赖文件由GPU driver installer安装，nvidia-smi属于这一类API；参考链接：https://codeantenna.com/a/5eVVAE9Q27。运行API的依赖文件由CUDA Toolkit installer安装。
pytorch 查看cuda 版本方式
12-17
由于pytorch的whl 安装包名字都一样，所以我们很难区分到底是基于cuda 的哪个版本。 有一条指令可以查看 import torch print(torch.version.cuda) 补充知识：pytorch：网络定义参数的时候后面不能加”.cuda()” pytorch定义网络__init__()的时候，参数不能加“cuda()”, 不然参数不包含在state_dict()中，比如下面这种写法是错误的 self.W1 = nn.Parameter(torch.FloatTensor(3,3), requires_grad=True).cuda() 应该去掉”.cuda()”
怎么查看cuda的版本
keyboard专栏
01-23 6万+
如果您正在开发使用 CUDA 的程序，可以通过编程方式查询 CUDA 版本。在安装 CUDA 的计算机上，您可以直接浏览 CUDA 安装目录。如果 CUDA 正确安装且环境变量设置正确，这些命令将显示 CUDA 的版本信息。在命令行中，您可以使用以下命令来查看安装的 CUDA 版本。这段代码将打印出 CUDA 驱动程序和运行时库的版本号。在这些目录中，通常会有一个包含版本信息的文件。
【学习记录】查看CUDA版本
热门推荐
行云流水剑的博客
05-12 7万+
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、cmd指令方式查看二、NVIDIA方式查看 前言 在安装pytorch时我们需要选择对应CUDA版本的pytorch，那如何查看CUDA版本呢？ 一、cmd指令方式查看 打开cmd,输入下面的指令，就可以看到CUDA版本号了。 nvidia-smi 二、NVIDIA方式查看 鼠标对准NVIDIA软件右键打开NVIDIA控制面板 点击系统信息 最后点击组件，然后就可以看到CUDA版本号了 ...
cuda立体匹配——中值滤波
06-20
CUDA（Compute Unified Device Architecture）是NVIDIA公司推出的一种并行计算平台，用于加速高性能计算任务，如立体匹配中的大量计算操作。 在本课题中，立体匹配算法的关键步骤包括匹配代价计算、代价聚合、视差...
CUDA——性能优化（一）
01-20
这是因为CUDA的硬件设计使得在一个时钟周期内，同一Warp内的所有线程可以同时执行一条指令。这种同步执行机制大大提高了计算效率，但同时也引入了潜在的问题，尤其是在处理控制流指令（如if, switch, do, for, while...
基于《CUDA 编程-基础与实践》的 CUDA 学习笔记.zip
11-19
这个项目是一个基于《CUDA 编程——基础与实践》（樊哲勇）的 CUDA 学习笔记。它包含了 GPU 硬件与 CUDA 程序开发工具、CUDA 中的线程组织、CUDA 程序的基本框架和错误检测、GPU 加速的关键、CUDA 内存组织、CUDA ...
T630服务器安装机器学习环境——ubuntu16.04、Cuda8.0、cudnn7.0.5、opencv、pytorch
10-20
T630 服务器安装机器学习环境——ubuntu16.04、Cuda8.0、cudnn7.0.5、opencv、pytorch titre：T630 服务器安装机器学习环境 该篇文章主要介绍了如何在 T630 服务器上安装机器学习环境，包括 ubuntu16.04、Cuda8.0...
如何实现一个高效的Softmax CUDA kernel？——OneFlow 性能优化分享
OneFlow深度学习框架
01-04 1188
Softmax操作是深度学习模型中最常用的操作之一。在深度学习的分类任务中，网络最后的分类器往往是Softmax + CrossEntropy的组合： 尽管当Softmax和CrossEntropy联合使用时，其数学推导可以约简，但还是有很多场景会单独使用Softmax Op。如BERT的Encoder每一层的attention layer中就单独使用了Softmax求解attention的概率分布；GPT-2的attention的multi-head部分也单独使用了Softmax 等等。 深度学习框架
windows系统CUDA版本查看终于搞懂了
weixin_60818935的博客
08-23 1161
想要正常利用GPU运行TensorFlow、PyTorch、Keras环境， 两种CUDA都要正确安装，版本需要符合兼容要求。一般来说，驱动版本越新越好；而运行库版本，如果需要根据开源项目进行开发，则需要参考对方指定的CUDA版本，一般来说不要太高；但是注意一点，30系的显卡只能运行CUDA11以上版本。
为什么 nvidia-smi 出来的CUDA Version 这么高呢
Kp0fS的草稿纸
09-20 1112
为什么 nvidia-smi 出来的CUDA Version 这么高呢 结论：显示的那个是当前
nvidia-smi CUDA Version:N/A
JiuYux的博客
04-20 2071
nvidia-smi显示：CUDA Version:N/A显示：CUDA Version: Not Found。
error LNK2019: 无法解析的外部符号 __imp_clock
12-22
错误信息 "error LNK2019: 无法解析的外部符号 __imp_clock" 表明在程序中使用了函数 __imp_clock，但编译器和链接器无法找到该函数的定义或实现。这种错误通常是由于缺失符号的定义、编译器搜索路径错误或编译器/链接器选项错误引起的。 解决这个错误的方法有以下几种： 1. 确保包含了正确的头文件：检查代码中是否包含了正确的头文件，特别是包含了声明 __imp_clock 的头文件。如果没有包含正确的头文件，编译器将无法找到函数的定义。 2. 检查编译器的搜索路径：编译器需要知道在哪里查找函数的定义。确保编译器的搜索路径设置正确，以便能够找到函数的定义。可以通过设置编译器的选项或环境变量来修改搜索路径。 3. 检查编译器/链接器选项：检查编译器和链接器的选项设置，确保没有设置错误的选项。有时候，错误的选项设置可能导致编译器无法找到函数的定义。 下面是一个示例代码，演示了如何使用函数 __imp_clock： ```c++ #include <iostream> #include <ctime> int main() { std::clock_t start = std::clock(); // 执行一些操作 std::clock_t end = std::clock(); double duration = (end - start) / (double) CLOCKS_PER_SEC; std::cout << "程序执行时间：" << duration << " 秒" << std::endl; return 0; } ``` 这段代码使用了函数 std::clock() 来计算程序的执行时间。确保在代码中包含了正确的头文件，并且编译器能够找到函数的定义。
评论 27
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值