torch cuda cudnn检验程序

同一个代码在不同配置服务器跑的时候经常遇到cuda torch cudnn等版本问题。可以用下面程序检验:

# !/usr/bin/python
#-*- coding: UTF-8 -*-

import torch
# 正常没有输出

a = torch.tensor(1.)
# 正常没有输出

from torch.backend import cudnn
# 正常没有输出

cudnn.is_available()
# 正常返回True

cudnn.is_acceptable(a.cuda())
# 正常返回True

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
检验CUDAcuDNN的安装是否成功,可以按照以下步骤进行验证: 1. 验证CUDA的安装: - 在Ubuntu 16.04上,可以通过在终端中运行命令`nvcc -V`来检验CUDA的安装情况。 - 如果输出显示为类似于"nvcc: NVIDIA (R) Cuda compiler driver"的信息,说明CUDA已经成功安装。 2. 验证cuDNN的安装: - 在Python的代码中,导入`torch.backends.cudnn`模块,并使用`cudnn.is_available()`函数来检验cuDNN的安装情况。 - 如果返回值为True,说明cuDNN已经成功安装。 请记住,cuDNN不需要像其他软件一样进行传统的安装过程,只需下载相应版本的cuDNN文件,并将其放置在适当的位置即可。在验证安装时,确保CUDAcuDNN的版本兼容。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [ubuntu16.04查看cudnncuda的版本](https://download.csdn.net/download/weixin_38528459/14073857)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [【工具】验证是否安装cudacuDNN](https://blog.csdn.net/kz_java/article/details/122067916)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 2
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