ls -l /usr/local | grep cuda
nvidia-smi,它的输出是驱动的版本
nvidia-smi命令列出的CUDA版本与nvcc -V列出的版本号不一致
nvcc属于CUDA的编译器,将程序编译成可执行的二进制文件,nvidia-smi是一种命令行实用工具,旨在帮助管理和监控NVIDIA GPU设备。
CUDA有运行版和驱动版两个版本,nvcc - version显示的是运行版,nvidia-smi显示的是驱动版。
安装重点:版本对应关系对应!!!
Tensorflow-gpu 与 Python、 cuda、cuDNN 版本关系查询
安装记录1:
conda创建一个环境python=3.9,安装如下,以下三个版本之间对应没有问题,但是运行之后报错,找不到GPU;
tensorflow-gpu=2.10.0 cudnn=8.2.1 cudatoolkit=11.3.1
报错如下:
可能是tensorflow-gpu=2.10.0版本太高了,尝试推翻完全重新配置,然而新的问题又出现了。
安装记录2:
tensorflow-gpu=2.3.0 cudnn=7.6 cudatoolkit=10.1 python=3.7
报错如下:
主要表现就是提示找不到动态库文件
在conda 创建的虚拟环境中,找到项目环境,在/Anaconda3/envs/museflow/lib/
发现不存在libcudart.so.10.1这个文件,只有libcudart.so.10.2。本着向下兼容原则,尝试将libcudart.so.10.1软连接到libcudart.so.10.2。
>> ln -s /usr/local/cuda/lib/libcudart.so.10.2 /usr/local/cuda/lib/libcudart.so.10.1
测试:
import tensorflow as tf
tf.test.is_gpu_available()
成功!!!