VS版本、GCC版本与C++版本的对应关系

做嵌入式开发经常遇到一些编译器和C++版本不匹配的问题,现整理如下:

 

目前C语言的标准有:C89(ANSI C)、C90、C95、C99(ISO C)、C11(C1x)
目前C++语言的标准有:C++98、C++03(对98小幅修改)、C++11(全面进化)、C++14、C++17

C语言标准的介绍,请参考:C语言标准简介C89(ANSI C)、C99(ISO C)、C11(C1x) 
各种C++标准对应的编译器支持情况,请参考官方的对照表:C++ compiler support 
简单来分析一下GCC编译器对不同的C++标准的支持情况。


C++17:
    gcc7完全支持,gcc6和gcc5部分支持,gcc6支持度当然比gcc5高,gcc4及以下版本不支持。
C++14:
    gcc5就可以完全支持,gcc4部分支持,gcc3及以下版本不支持。
C++11:
    gcc4.8.1及以上可以完全支持。gcc4.3部分支持,gcc4.3以下版本不支持。

    高版本的gcc向下兼容,支持低版本的C++标准。

gcc版本的发布时间:http://gcc.gnu.org/releases.html

 

VC全名是Microsoft Visual C++是微软出的一个集成的c,c++开发环境,比较经典版本是97年出的 Microsoft Visual C++ 6.0,不过目前最好还是用VS2008以上的版本中的VC了。

VS全名是Microsoft Visual Studio目前已经出到2017了,是很大的一个开发环境,包含很多高级语言的开发环境,VC、VB等,VC只是VS其中的一个开发环境。

vc版本与vs版本对应关系如下所示:

Visual Studio 6 : vc6 
Visual Studio 2003 : vc7 
Visual Studio 2005 : vc8 
Visual Studio 2008 : vc9 
Visual Studio 2010 : vc10 
Visual Studio 2012 : vc11 
Visual Studio 2013 : vc12 
Visual Studio 2015 : vc14 
Visual Studio 2017 : vc15
 

C++17:
    vs2017基本支持,vs2015部分支持。
C++14:
    vs2017就可以完全支持,vs2015基本支持,vs2013部分支持。
C++11:
    vs2015及以上可以完全支持。vs2013基本支持,vs2012部分支持,vs2010及以下版本不支持。

  • 26
    点赞
  • 77
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: PyTorch 是一个用于科学计算和深度学习的 Python 库,它能够在 CPU 和 GPU 上高效地运行。PyTorch 通过使用类似 NumPy 的语法和动态计算图来简化了深度学习模型的实现。 CUDA 是 NVIDIA 开发的用于高性能计算的并行计算平台和编程模型,它使得程序能够在 NVIDIA GPU 上并行执行。CUDA 能够显著提高深度学习模型的训练速度。 GCC 是 GNU Compiler Collection 的缩写,它是一款优秀的开源编译器,支持多种编程语言,如 C、C++、Objective-C、Java、Ada 和 Fortran 等。在 Linux 上,GCC 通常是默认的 C/C++ 编译器。 PyTorch 可以与 CUDA 和 GCC 一起使用,以便在 GPU 上加速深度学习模型的训练和推断。要在 PyTorch 中使用 CUDA,您需要安装适当的 CUDA 版本和 CuDNN 库。要在 PyTorch 中使用 GCC,您需要确保安装了合适的版本,并且将其配置为默认编译器。 ### 回答2: PyTorch和CUDA GCC是不同的软件工具。PyTorch是一个用于深度学习的开源框架,而CUDA GCC是用于编译和优化CUDA代码的编译器工具。 PyTorch的版本与CUDA GCC版本之间没有直接的对应关系。PyTorch有自己的版本号体系,用于区分不同的发布版本。每个PyTorch发布版本都可以兼容一定范围内的CUDA运行时版本。 而CUDA GCC版本则与NVIDIA的CUDA Toolkit版本相关联。CUDA Toolkit提供了用于开发和运行CUDA应用程序的一系列工具和库。每个CUDA Toolkit版本都包含了特定的CUDA GCC版本,用于编译CUDA代码。 在选择PyTorch和CUDA GCC版本时,应该首先了解两者的兼容性。一般来说,PyTorch的官方文档会明确指出支持的CUDA版本范围。同时,NVIDIA官方也会在CUDA Toolkit的文档中列出支持的CUDA GCC版本。 为了确保PyTorch与CUDA GCC的兼容性,应该选择满足两者要求的版本。在安装PyTorch时,可以通过指定合适的CUDA版本来确保PyTorch与CUDA GCC的兼容性。 总结而言,PyTorch和CUDA GCC是两个相互独立的工具,没有直接的版本对应关系。在选择版本时,要注意PyTorch和CUDA GCC的兼容性,以确保代码的正常运行。 ### 回答3: PyTorch和CUDA的版本之间是有对应关系的。PyTorch是一个使用GPU加速的深度学习框架,而CUDA是NVIDIA公司提供的GPU并行计算平台和编程模型。 PyTorch的版本通常会与其所支持的CUDA版本对应。PyTorch的每个主要版本都会明确声明其所需要的最低CUDA版本。比如,PyTorch 1.8版本需要CUDA 10.2及以上的版本。也就是说,如果想要使用PyTorch 1.8,必须安装CUDA 10.2或更高版本的驱动和库。 需要注意的是,CUDA版本与GPU型号是一一对应的,并非所有老旧的GPU都支持最新的CUDA版本。因此,在选择PyTorch和CUDA版本时,还要考虑自己的GPU型号是否与目标CUDA版本兼容。 另外,GCC(GNU Compiler Collection)是一套开源的编程语言编译器集合,其中包含了C、C++等语言的编译器。与PyTorch和CUDA的版本对应无关,GCC版本的选择主要取决于操作系统和具体的代码编译要求。通常情况下,PyTorch和CUDA的版本并不要求特定的GCC版本。 总结而言,PyTorch和CUDA的版本对应关系,PyTorch会明确声明所需的最低CUDA版本。而GCC编译器的版本选择与PyTorch和CUDA的版本无关,主要依赖于操作系统和编译需求。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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