pytorch应该安装哪个nvcc -V 还是 nvidia-smi 对比的cuda?

于 2024-05-28 21:44:57 发布
阅读量386 收藏 1
点赞数 2
文章标签： pytorch 人工智能 python
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/shenjianhua005/article/details/139278807
版权

当使用nvidia-smi时会显示 cuda driver版本，如下：

NVIDIA-SMI 510.47.03    Driver Version: 510.47.03    CUDA Version: 11.6 

当使用 nvcc -V 时会显示 cuda runtime version，如下：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Mon_Nov_30_19:08:53_PST_2020
Cuda compilation tools, release 11.2, V11.2.67
Build cuda_11.2.r11.2/compiler.29373293_0

这时候两个cuda版本时不一样，该使用哪个？

应该使用 nvcc -V 这个对应的cuda版本，这样就会兼容。

参考：GET was unable to find an engine to execute this computation · Issue #4060 · ultralytics/ultralytics · GitHub

写代码_不错哦
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
cuda版本，pytorch(GPU)版本的选择和下载
AI R&D
02-28 8578
cuda版本、cuda(cudatoolkit)下载配置，runtime API、driver API，pytorch(GPU)与cuda对应、版本选择、下载配置，pip、conda
简单易懂！Pytorch安装教程（超详细）
2301_81888214的博客
12-21 1万+
只要程序运行的时间不是太长，用带GPU的笔记本也能完成任务。毕竟笔记本散热差，而且笔记本上的显卡很多时候是被阉割过的，性能比较差。在正式开始学习Pytorch之前，安装Pytorch同样是重要的一个环节。我将安装Pytorch的主要过程以及遇到的一些问题写在下面，希望能对各位有所帮助。10系列以下的显卡上是运行不了最新版本的Pytorch的。而CUDA里自带的驱动其实也能用（只要显卡是10+以上的版本），索性一并安装了。如果您只是简单的使用Pytorch，不需要CUDA编程或者使用高度定制化的操作。
nvcc -V和nvidia-smi的关系
努力学习的DS
10-19 3087
nvcc -V的版本号是CUDA工具包的版本信息，而nvdia-smi上面写的很清楚，是cuda的版本号了。都与NVIDIA GPU相关，但它们提供的信息和功能有所不同。
nvcc和nvidia-smi显示的版本不一致？
qq_41607336的博客
12-06 4102
nvcc和nvidia-smi显示的版本不一致？
解决ubuntu cuda版本nvcc -V和nvidia-smi不一致问题
qq_18256855的博客
07-12 8089
本文主要解决ubuntu cuda版本nvcc -V和nvidia-smi不一致问题
在PyTorch中使用CUDA, pytorch与cuda不同版本对应安装指南，查看CUDA版本，安装对应版本pytorch
热门推荐
qq_35831906的博客
11-11 5万+
在PyTorch中使用CUDA，根据你的具体环境和需求调整版本号，确保安装的PyTorch版本与你的CUDA版本兼容。本文介绍PyTorch中使用CUDA的一般步骤和对应cuda版本的pytorch安装指南。
Linux查看当前Cuda（CUDA Toolkit ）版本之nvcc -v与nvidia-smi显示的区别
weixin_44001371的博客
10-19 1727
这条命令不仅可以查看当前NVIDIA驱动的版本，还可以查询与此驱动相匹配的Cuda版本，虽是匹配，但是Cuda的版本可以略低于此时驱动匹配的Cuda版本，因此，我们可以安装版本高一点的驱动，来兼容不同版本的Cuda！这条命令是查看当前Cuda的版本，即实际安装的Cuda版本。
【CUDA】nvcc和nvidia-smi显示的版本不一致？
u013250861的博客
12-29 4647
Coder: CWForeword:CW 近日在自己的机子上发现，和显示出来的CUDA版本不一致，其中前者显示的版本是10.2，而后者是11.0，但是深度学习相关的程序是能正常跑的，期间GPU也确实有在使用（通过nvidia-smi可以看出）。由于个人一贯以来的“居安思危”风格，担心这种情况会埋坑，于是查阅了相关资料进行了解，正好也弥补了这部分知识的空白。
nvcc -V和nvidia-smi中的cuda版本不同
qq_40296501的博客
10-21 5474
cuda版本在nvcc -V和nvidia-smi中显示不同
nvidia-smi版本与nvcc-V
leo0308的博客
03-02 845
nvidia-smi 显示的版本是驱动的版本，而nvcc -V 显示的版本是cuda toolkit的版本。由于驱动版本是向下兼容的， 因此cuda toolkit版本小于等于驱动版本都可以正常使用。pytorch, cudadnn等要求的cuda版本都是指cuda toolkit的版本。
记录一下对nvidia-smi、nvcc -V、cuda 等things的理解
qq_21366993的博客
03-12 626
这个命令的cuda版本是可以改的，在网上下载对应版本的cuda包，把环境变量改到/usr/local/cuda/bin下即可。/etc/profile 和 /home/militeng/.bashrc 这俩文件都可以修改环境变量，但.bashrc文件是每个用户独有的，/etc/profile是所有用户公用的文件。nvidia-smi命令是gpu驱动安装好以后就有的命令，在/usr/bin/目录下面，和cuda没有关系，这个命令的cuda版本要改就得重新安装驱动；
nvcc --version 和 nvidia-smi 查到的cuda版本不同
TonyNotes的博客
01-31 2975
这对于开发 CUDA 应用程序非常重要，因为不同版本的 CUDA 可能支持不同的 NVIDIA 显卡和特性。- 有时候，系统的 NVIDIA 驱动可能被更新，而 CUDA 开发工具包没有相应地更新，或者反过来，这可能导致版本不一致。这个版本指的是 NVIDIA 驱动能够支持的最高 CUDA 版本。可能指向一个特定版本的 CUDA，而 NVIDIA 驱动可能支持一个不同（通常是更高）的 CUDA 版本。显示的是 CUDA 编译工具（NVCC）的版本，它与 CUDA 开发工具包（SDK）相关。
Nvidia CUDA版本：nvidia-smi与nvcc -V显示版本不一致
遗失的神庙
03-18 1597
当使用PyTorch或其他依赖CUDA的库时，库的运行时会与CUDA Toolkit进行交互，而不是直接与驱动程序内的CUDA版本交互。这意味着，只要CUDA Toolkit的版本与你使用的库兼容，并且NVIDIA驱动足够新以支持该版本的CUDA Toolkit（在你的情况下，驱动支持CUDA 12.2，因此也会支持11.8），就可以正常使用。显示为CUDA 12.2，只要你安装了CUDA Toolkit 11.8，并且使用的PyTorch版本是为CUDA 11.8编译的，就不应该有兼容性问题。
CUDA版本不同：nvidia-smi和nvcc -V
sophicchen的专栏
10-15 3万+
1. 问题 之前就发现，nvidia-smi 中的CUDA 版本与 nvcc不一致，nvidia-smi的结果显示CUDA版本是11.0，而从nvcc-V命令来看，却是CUDA 10.0。但是跑代码也没啥问题。 2. 分析 其实是因为CUDA 有两种API，分别是运行时 API 和 驱动API，即所谓的 Runtime API 与 Driver API。 nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API的型号，这里是 11.0。 而nvcc..
nvcc -V 与 nvidia-smi显示的cuda版本不一致问题原因及解决途径
onepunch_k的博客
03-07 2万+
vim .bashrc export PATH=/usr/local/cuda-10.1/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH source ~/.bashrc
Windows下Python+PyCharm+miniconda+Cuda/GPU 安装步骤、GPU控制
疯批美人
01-11 785
在cmd命令行中输入命令：“nvidia-smi”回车（如提示命令不可用，可先执行命令：cd C:\Program Files\NVIDIA Corporation\NVSMI）显示c:\users\xx\.conda\envs\wave2\lib\site-packages。4. 安装完miniconda 创建虚拟环境。7. Python安装cuda 参考资料。1. 官网安装Python 3.9。（1） 确定显卡支持的cuda版本。3. 安装miniconda。2. 安装pycharm。
显卡、显卡驱动、CUDA、cuDNN、CUDA Toolkit、NVCC、nvidia-smi等概念的区别与联系
最新发布
DZSpace，专注于计算机科学与技术领域的技术博主，致力于分享实用知识与技巧，帮助读者快速掌握技术要点，共同探索计算机世界的无限可能。欢迎访问DZSpace的博客，一起学习进步！
05-12 663
显卡作为图形处理的硬件基础，通过显卡驱动与操作系统通信。CUDA提供了一个并行计算平台，使GPU能够用于高性能计算。cuDNN作为深度学习专用库，通过CUDA优化提升了深度学习应用的效率。CUDA Toolkit作为一套完整的软件开发工具，包含了NVCC编译器和其他库，为GPU计算提供了全面的资源。最后，nvidia-smi作为管理工具，帮助用户监控和管理GPU设备。这些技术和工具共同构成了一个强大的生态系统，为各种高性能计算需求提供了支持。
nvcc -v和nvidia-smi pytorch
07-30
根据引用[1]中的解释，nvcc -V显示的是runtime API的版本，而nvidia-smi显示的是driver API的版本。通常情况下，当使用Nvidia显卡驱动版本高于Cuda版本的最低要求时，两个版本可能会不一致。然而，根据引用[1]中的观察，实际上我们在日常使用Cuda时，发现nvcc -V显示的cuda版本和实际使用的runtime API版本是一致的，即以nvcc -V中的cuda版本为准。 根据引用[2]的结论，通过类似"conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch"这样的指令安装的CUDA已经捆绑了cudnn，因此不需要单独安装cudnn。 如果你想查看PyTorch中的CUDA和cudnn版本，你可以使用以下代码： ``` import torch print(torch.__version__) print(torch.version.cuda) print(torch.backends.cudnn.version()) ``` 这段代码将打印出PyTorch的版本、CUDA的版本以及cudnn的版本。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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