一、GPU环境搭建
1、了解自己电脑显卡驱动版本
因为有部分小伙伴对自己电脑显卡驱动的版本不了解,所以选择Tensorflow或者PyTorch的版本的时候会出现安装了,但不兼容的问题,所以我们首先要了解自己电脑显卡驱动版本:)
1.1 、首先在Windows设置中搜索控制面板(按Win键,然后点击左下方的设置按钮就可以到Windows设置页面)。
1.2、 在控制面板中点击NVIDIA控制面板。
1.3、 NVIDIA控制面板中点击“帮助”下面的“系统信息”。
1.4 、查看驱动程序版本,我的显卡驱动版本是388.57。
1.5、 根据显卡驱动版本确定自己能使用的CUDA Tookit版本。我的显卡驱动版本是388.57,介于385.54和391.29之间,由下图可知,我所能选用的CUDA Tookit版本只有CUDA 9.0。
1.6 之后再根据cuda的版本确定cudnn的版本
二、补充:
1 cuda与显卡驱动匹配问题(最常见之一)
如果显卡驱动不是最新的,建议下载最新的显卡驱动,
在官网找到合适版本的cuda:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
一般根据操作系统平台和版本号 匹配合适版本的cuda下载安装即可。
安装完成查看安装版本
nvcc --version
执行后看到版本信息,我当前环境cuda版本是v11.6,如下图:
打开官网https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html查到v11.6版本行
查看驱动版本
nvidia-smi
执行后查看到的版本号是537.13, 从上图中 cuda 11.6.x参数要求是大于或等于452.39,所以是cuda与显卡驱动是匹配的正常的。如下图:
三、原文拓展:
关于torch.cuda.is_available() 返回False 详细说明及解决_torch.cuda.is available返回false-CSDN博客