显卡、显卡驱动、cuda、torch四者之间的关系

背景:

        最近在进行某项算法工程部署任务时用到了比较老的torch1.6版本,在更换版本后发现环境出现了各种冲突,首先时torch与cuda的版本冲突,在更换cuda版本后发现显卡(注意这里不是驱动,而是显卡本身)与cuda产生了冲突,因此想要整理一篇来理清显卡、显卡驱动、cuda、torch四者之间的关系。

安装时的推理顺序:

显卡确定显卡驱动;显卡算力与显卡驱动确定CUDA版本;CUDA版本确定pytorch版本

显卡与显卡驱动的关系:

显卡驱动网址:NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

显卡与显卡驱动之间的关系很简单直接,讲废话就是驱动要支持显卡,那么怎么看是否支持?英伟达驱动下载界面具有产品支持列表,其中可查看其中有支持的显卡型号,我的显卡是RTXA2000。产品支持列表一般很长,可以使用搜索的方式查找。

 

显卡算力与cuda之间的关系:

英伟达显卡算力查看:

CUDA GPUs - Compute Capability | NVIDIA Developer

显卡算力与CUDA版本对应关系参考博主文章

显卡算力、驱动版本、CUDA、pytorch之间的关系_显卡驱动是不是cuda版本-CSDN博客

        在以往安装cuda的时候仅仅考虑过cuda与显卡驱动版本的对应问题,但是此次却发现,cuda不仅仅需要满足显卡驱动版本的要求,还要满足显卡的算力需求。在英伟达显卡算力查看网址中可以看到,我的显卡A2000的算力为8.6。下面的(参考其他博主)图片可以得出CUDA版本支持的算力情况,可以发先我的A2000显卡需要CUDA11.0以上的版本,如果我安装了11.0以下cuda的就会产生报错:CUDA capability sm_86 is not compatible with the current PyTorch

显卡算力查询结果

显卡驱动与cuda之间的关系:

显卡驱动与cuda版本对应关系:1. CUDA 12.4 Release Notes — Release Notes 12.4 documentation

cuda与torch之间的关系:

pytorch按照cuda版本安装网址:https://pytorch.org/get-started/previous-versions/

        查看cuda与pytorch之间的关系可以直接在torch官网查看,其中会列举出来该版torch支持的cuda有哪些,以及其相关的安装命令是什么,例如torch1.6就支持的是cuda9.2、10.1、10.2

  • 9
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Ubuntu上安装显卡驱动、CuDNN、CUDAPyTorch可以按照以下步骤进行: 1. 安装显卡驱动:可以通过以下几种方式安装显卡驱动: - 通过"Software & Updates"工具在“Additional Drivers”选项卡中选择一个适用于您的显卡型号的驱动程序,并点击“Apply Changes”进行安装。 - 通过命令行使用`ubuntu-drivers devices`命令查看可用的驱动,然后使用`sudo ubuntu-drivers autoinstall`命令自动安装推荐的驱动。 2. 安装CuDNN:CuDNN是NVIDIA加速库,可提供用于深度学习的GPU加速功能。可以按照以下步骤安装CuDNN: - 前往NVIDIA官方网站,下载适用于您的CUDA版本的CuDNN压缩文件(通常需要注册NVIDIA开发者账号)。 - 将CuDNN压缩文件解压缩到一个合适的位置,例如`~/cuda`文件夹。 - 打开终端,使用`cd`命令进入CuDNN解压缩文件的路径,并执行以下命令安装CuDNN: ``` sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 3. 安装CUDACUDA是用于在NVIDIA GPU上进行并行计算的平行计算平台和API。可以按照以下步骤安装CUDA: - 前往NVIDIA官方网站,选择适用于您的显卡和操作系统的CUDA版本,并下载对应的运行文件(通常需要注册NVIDIA开发者账号)。 - 打开终端,使用`cd`命令进入CUDA运行文件所在的目录,并执行以下命令安装CUDA: ``` sudo sh cuda*.run ``` - 执行安装向导中的步骤,根据提示进行安装配置,包括选择安装路径和设置环境变量。 - 安装完成后,可以通过执行`nvcc --version`命令验证CUDA的安装情况。 4. 安装PyTorchPyTorch是一个用于构建深度学习模型的开源Python库。可以按照以下方式安装PyTorch: - 打开终端,执行以下命令安装PyTorch: ``` pip install torch torchvision ``` - 在安装过程中,可能需要下载和编译一些依赖项。请耐心等待安装完成。 安装完成后,您可以在Ubuntu上使用显卡驱动、CuDNN、CUDAPyTorch进行深度学习任务。

“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