关于nvidia，python，pytorch，cuda，tensorflow，cudnn 的版本对照，官方链接及简短安装

最新推荐文章于 2024-06-21 23:30:30 发布

北阿浔

最新推荐文章于 2024-06-21 23:30:30 发布

阅读量839

点赞数 15

文章标签： python pytorch tensorflow

本文链接：https://blog.csdn.net/qq_52318356/article/details/136752122

版权

GeForce® 驱动程序

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

控制面板

NVIDIA Control Panel - Microsoft Apps

opencv-python GPU 读取 rtsp

关于 win11 下 opencv-python GPU 安装构建并读取rtsp视频流（CUDA 12.0.1）_python opencv 在gpu跑-CSDN博客

cuda

CUDA Toolkit Archive | NVIDIA Developer
Windows CUDA Toolkit安装 - 知乎 (zhihu.com)
Cuda和cuDNN安装教程(超级详细)-CSDN博客
环境配置：选择正确版本的CUDA和PyTorch安装(windows) - 知乎 (zhihu.com)
# 自定义安装

# 安装路径
# CUDA Development
D:\NVIDIA GPU Computing Toolkit\CUDA\v12.0
# CUDA Documentation
D:\NVIDIA GPU Computing Toolkit\CUDA\v12.0
# Samples
D:\NVIDIA Corporation\CUDA\Samples\v12.0

# 添加系统环境变量
CUDA_PATH
D:\NVIDIA GPU Computing Toolkit\CUDA\v12.0

CUDA_PATH_V12_0
D:\NVIDIA GPU Computing Toolkit\CUDA\v12.0

# 添加 path 变量
D:\NVIDIA GPU Computing Toolkit\CUDA\v12.0\bin
D:\NVIDIA GPU Computing Toolkit\CUDA\v12.0\libnvvp
D:\NVIDIA GPU Computing Toolkit\CUDA\v12.0\include

# 验证
nvcc -V
CUDA 12.4 Release Notes — Release Notes 12.4 documentation (nvidia.com)

CUDA Toolkit Minimum Required Driver Version for CUDA Minor Version Compatibility*
Linux x86_64 Driver Version Windows x86_64 Driver Version
CUDA 12.x >=525.60.13 >=528.33
CUDA 11.8.x CUDA 11.7.x CUDA 11.6.x CUDA 11.5.x CUDA 11.4.x CUDA 11.3.x CUDA 11.2.x CUDA 11.1.x >=450.80.02 >=452.39
CUDA 11.0 (11.0.3) >=450.36.06** >=451.22**

CUDA Toolkit	Minimum Required Driver Version for CUDA Minor Version Compatibility*
	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 12.x	>=525.60.13	>=528.33
CUDA 11.8.x CUDA 11.7.x CUDA 11.6.x CUDA 11.5.x CUDA 11.4.x CUDA 11.3.x CUDA 11.2.x CUDA 11.1.x	>=450.80.02	>=452.39
CUDA 11.0 (11.0.3)	>=450.36.06**	>=451.22**

torch

Previous PyTorch Versions | PyTorch
download.pytorch.org/whl/torch_stable.html
download.pytorch.org/whl/
Simple Index (tsinghua.edu.cn)
import torch
print(torch.__version__)
print(torch.cuda.is_available())

cuDNN

cuDNN Archive | NVIDIA Developer
Windows10检查Cuda和cuDNN是否安装成功
# 将文件放入对应文件内

# ...\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
# deviceQuery.exe
# bandwidthTest.exe
# 打开 cmd，然后拖入程序

tensorflow

Build from source on Windows | TensorFlow (google.cn)

CUDA - Pytorch - Torchvision - Torchaudio - Python

cuda 和 cudnn 的版本对照直接参照官网上

CUDA	Torch	Torchvision	Torchaudio	Python
12.4
12.3
12.2
12.1	2.2.0	0.17.0	2.2.0	>=3.8, <=3.11
12.1	2.1.1	0.16.1	2.1.1	>=3.8, <=3.11
12.1	2.1.2	0.16.2	2.1.2	>=3.8, <=3.11
12.1	2.1.0	0.16.0	2.1.0	>=3.8, <=3.11
11.8	2.2.0	0.17.0	2.2.0	>=3.8, <=3.11
11.8	2.1.2	0.16.2	2.1.2	>=3.8, <=3.11
11.8	2.1.1	0.16.1	2.1.1	>=3.8, <=3.11
11.8	2.1.0	0.16.0	2.1.0	>=3.8, <=3.11
11.8	2.0.1	0.15.2	2.0.2	>=3.8, <=3.11
11.8	2.0.0	0.15.1	2.0.1	>=3.8, <=3.11
11.7	2.0.1	0.15.2	2.0.2	>=3.8, <=3.11
11.7	2.0.0	0.15.1	2.0.1	>=3.8, <=3.11
11.7	1.13.1	0.14.1	0.13.1	>=3.7.2, <=3.10
11.7	1.13.0	0.14.0	0.13.0	>=3.7.2, <=3.10
11.6	1.13.1	0.14.1	0.13.1	>=3.7.2, <=3.10
11.6	1.13.0	0.14.0	0.13.0	>=3.7.2, <=3.10
11.6	1.12.1	0.13.1	0.12.1	>=3.7, <=3.10
11.6	1.12.0	0.13.0	0.12.0	>=3.7, <=3.10
11.3	1.12.1	0.13.1	0.12.1	>=3.7, <=3.10
11.3	1.12.0	0.13.0	0.12.0	>=3.7, <=3.10
11.3	1.11.0	0.12.0	0.11.0	>=3.7, <=3.10
11.1	1.10.1	0.11.2	0.10.1	>=3.6, <=3.9
11.1	1.10.0	0.11.0	0.10.0	>=3.6, <=3.9
11.1	1.9.1	0.10.1	0.9.1	>=3.6, <=3.9
11.1	1.9.0	0.10.0	0.9.0	>=3.6, <=3.9
11.1	1.8.2	0.9.2	0.8.2	>=3.6, <=3.9
11.1	1.8.1	0.9.1	0.8.1	>=3.6, <=3.9
11.1	1.8.0	0.9.0	0.8.0	>=3.6, <=3.9
11.0	1.7.1	0.8.2	0.7.2	>=3.6, <=3.9
11.0	1.7.0	0.8.0	0.7.0	>=3.6, <=3.9
10.2	1.12.1	0.13.1	0.12.1	>=3.7, <=3.10
10.2	1.12.0	0.13.0	0.12.0	>=3.7, <=3.10
10.2	1.11.0	0.12.0	0.11.0	>=3.7, <=3.10
10.2	1.10.1	0.11.2	0.10.1	>=3.6, <=3.9
10.2	1.10.0	0.11.0	0.10.0	>=3.6, <=3.9
10.2	1.9.1	0.10.1	0.9.1	>=3.6, <=3.9
10.2	1.9.0	0.10.0	0.9.0	>=3.6, <=3.9
10.2	1.8.2	0.9.2	0.8.2	>=3.6, <=3.9
10.2	1.8.1	0.9.1	0.8.1	>=3.6, <=3.9
10.2	1.8.0	0.9.0	0.8.0	>=3.6, <=3.9
10.2	1.7.1	0.8.2	0.7.2	>=3.6, <=3.9
10.2	1.7.0	0.8.0	0.7.0	>=3.6, <=3.9
10.2	1.6.0	0.7.0	-	>=3.6, <=3.8
10.1	1.8.1	0.9.1	0.8.1	>=3.6, <=3.9
10.1	1.8.0	0.9.0	0.8.0	>=3.6, <=3.9
10.1	1.7.1	0.8.2	0.7.2	>=3.6, <=3.9
10.1	1.7.0	0.8.0	0.7.0	>=3.6, <=3.9
10.1	1.6.0	0.7.0	-	>=3.6, <=3.8
9.2	1.7.1	0.8.2	0.7.2	>=3.6, <=3.9
9.2	1.7.0	0.8.0	0.7.0	>=3.6, <=3.9
9.2	1.6.0	0.7.0	-	>=3.6, <=3.8

CPU - Pytorch - Torchvision - Torchaudio

CUDA	Torch	Torchvision	Torchaudio
CPU only	2.2.0	0.17.0	2.2.0
CPU only	2.1.2	0.16.2	2.1.2
CPU only	2.1.1	0.16.1	2.1.1
CPU only	2.1.0	0.16.0	2.1.0
CPU only	2.0.1	0.15.2	2.0.2
CPU only	2.0.0	0.15.1	2.0.1
CPU only	1.13.1	0.14.1	0.13.1
CPU only	1.13.0	0.14.0	0.13.0
CPU only	1.12.1	0.13.1	0.12.1
CPU only	1.12.0	0.13.0	0.12.0
CPU only	1.11.0	0.12.0	0.11.0
CPU only	1.10.1	0.11.2	0.10.1
CPU only	1.10.0	0.11.0	0.10.0
CPU only	1.9.1	0.10.1	0.9.1
CPU only	1.9.0	0.10.0	0.9.0
CPU only	1.8.2	0.9.2	0.8.2
CPU only	1.8.1	0.9.1	0.8.1
CPU only	1.8.0	0.9.0	0.8.0
CPU only	1.7.1	0.8.2	0.7.2
CPU only	1.7.0	0.8.0	0.7.0
CPU only	1.6.0	0.7.0	-

CUDA - Tensorflow - cuDNN - Python

CUDA	Tensorflow	cuDNN	python
12.4
12.3	2.16.1	8.9?	3.9-3.12
12.2	2.15.0	8.9	3.9-3.11
11.8	2.14.0	8.7	3.9-3.11
11.8	2.13.0	8.6	3.8-3.11
11.8	2.12.0	8.6	3.8-3.11
11.2	2.11.0	8.1	3.7-3.10
11.2	2.10.0	8.1	3.7-3.10
11.2	2.9.0	8.1	3.7-3.10
11.2	2.8.0	8.1	3.7-3.10
11.2	2.7.0	8.1	3.7-3.9
11.2	2.6.0	8.1	3.6-3.9
11.2	2.5.0	8.1	3.6-3.9
11.0	2.4.0	8.0	3.6-3.8
10.1	2.3.0	7.6	3.5-3.8
10.1	2.2.0	7.6	3.5-3.8
10.1	2.1.0	7.6	2.7, 3.5-3.7
10.0	2.0.0	7.4	2.7, 3.3-3.7
10.0	1.15.0	7.4	2.7, 3.3-3.7

示例程序 torch

import torch
import time

# 返回当前设备索引
print(torch.cuda.current_device())

# 返回GPU的数量
print(torch.cuda.device_count())

# 返回gpu名字，设备索引默认从0开始
print(torch.cuda.get_device_name(0))

# cuda是否可用
print(torch.cuda.is_available())

# pytorch 查看 cuda 版本
# 由于 pytorch 的 whl 安装包名字都一样，所以很难区分到底是基于 cuda 的哪个版本
print(torch.version.cuda)

# 判断 pytorch 是否支持 GPU 加速
print (torch.cuda.is_available())

# 以下代码只有在PyTorch GPU版本上才会执行
print(torch.cuda.is_available())
a = torch.randn(10000, 1000)
b = torch.randn(1000, 2000)
t0 = time.time()
c = torch.matmul(a, b)
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))

device = torch.device('cuda')
a = a.to(device)
b = b.to(device)
t0 = time.time()
c = torch.matmul(a, b)
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))

t0 = time.time()
c = torch.matmul(a, b)
t1 = time.time()
print(a.device, t1 - t0, c.norm(2))

其他

pip 创建虚拟环境

# 创建环境 env-py311
python -m venv env-py311

cd .\env-py311\
cd .\Scripts\

# 激活环境
.\activate

(env-py311) PS C:\Users\xulon\Desktop\env-py311\Scripts>

# 退出环境
deactivate

关于环境激活的问题

PS E:\py_env\Scripts> .\activate
.\activate : 无法加载文件 E:\py_env\Scripts\activate.ps1，因为在此系统上禁止运行脚本。
有关详细信息，请参阅 https:/go.microsoft.com/fwlink/?LinkID=135170 中的 about_E xecution_Policies。
所在位置 行:1 字符: 1
+ .\activate
+ ~~~~~~~~~~
    + CategoryInfo          : SecurityError: (:) []，PSSecurityException
    + FullyQualifiedErrorId : UnauthorizedAccess

# 解决：
PS E:\py_env\Scripts> get-executionpolicy
Restricted
PS E:\py_env\Scripts> Set-ExecutionPolicy -Scope CurrentUser RemoteSigned
Y
PS E:\py_env\Scripts> .\activate
(py_env) PS E:\py_env\Scripts>

更新 pip

# 重新安装Python
python -m ensurepip

# 升级 pip
pip install pip -U
pip install --upgrade pip
python -m pip install --upgrade pip

pip 换源

# 临时换源
# 清华源
pip install markdown -i https://pypi.tuna.tsinghua.edu.cn/simple
# 阿里源
pip install markdown -i https://mirrors.aliyun.com/pypi/simple/
# 腾讯源
pip install markdown -i http://mirrors.cloud.tencent.com/pypi/simple
# 豆瓣源
pip install markdown -i http://pypi.douban.com/simple/

# 永久换源
# 清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# 阿里源
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
# 腾讯源
pip config set global.index-url http://mirrors.cloud.tencent.com/pypi/simple
# 豆瓣源
pip config set global.index-url http://pypi.douban.com/simple/
# 换回默认源
pip config unset global.index-url

北阿浔

关注

15
点赞
踩
14

收藏

觉得还不错? 一键收藏
0
评论
关于nvidia，python，pytorch，cuda，tensorflow，cudnn 的版本对照，官方链接及简短安装

关于nvidia，python，pytorch，cuda，tensorflow，cudnn 的版本对照，官方链接及简短安装
复制链接

扫一扫