cuda版本在nvcc -V和nvidia-smi中显示不同

最新推荐文章于 2024-03-18 11:22:53 发布
最新推荐文章于 2024-03-18 11:22:53 发布
阅读量1.5w 收藏 74
点赞数 20
文章标签： ubuntu linux cuda
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/weixin_45068330/article/details/121241867
版权

引言

在更换、安装cuda后，nvcc -V(或nvcc --version) 与nvidia-smi中显示的cuda版本不同。系统以哪一个cuda版本为准呢？
（答案：nvcc -V）

cuda版本不同的原因

CUDA有两个主要的API，runtime API(nvcc -V 显示的cuda)和driver API(nivdia-smi中显示的cuda)，两者都有相应的版本(例如8.0、9.0等)。对driver API的必要支持(e.g. libcuda.so on linux)，是由GPU驱动安装程序安装的。对runtime API(e.g. libcudart.so on linux, and also nvcc)的必要支持，是由CUDA工具包安装程序安装的(如cuda toolkit可能也捆绑安装GPU驱动程序，如下图)。
在这里插入图片描述

一般情况下，driver API版本与runtime API版本不相同。特别是GPU驱动程序是独立于CUDA工具包(i.e. the CUDA toolkit)下安装的。这样nvidia-smi中的cuda是由NVIDIA GPU 驱动包安装的，而不是由CUDA toolkit安装的。driver API版本的cuda，就与runtime API版本的cuda没有联系了。

因为由CUDA toolkit安装的cuda编译-驱动工具nvcc，总是会报告cuda运行时版本。nvcc不知道系统安装了什么驱动版本，甚至不知道系统是否安装了GPU驱动。

所以，这两个版本不必完全相同，因为它们反映了两种不同的cuda API。而且在大多数情况下，nvidia-smi报告的cuda版本在数值上等于或高于nvcc -V报告的cuda版本。

结论

在linux中，cuda实际使用版本以nvcc -V中的cuda版本为准。例如，如果nvidia-smi显示CUDA 10.2，而nvcc -V显示CUDA 10.1，则实际使用的是CUDA 10.1。

在Windows、docker、Anaconda中，同样适用上述情况。

附录

参考Stack Overflow：
https://stackoverflow.com/questions/53422407/different-cuda-versions-shown-by-nvcc-and-nvidia-smi

小歘歘嘚啵嘚
关注
  • 20
    点赞
  • 踩
  • 74
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
CUDA-DNN-MNIST:在MNIST数据集上训练神经网络的示例C ++ CUDA实现
05-13
CUDA DNN MNIST 该项目是在纯C ++ CUDA代码上的MNIST数据集上训练简单前馈神经网络的示例实现。 注意：该项目仍在开发中，仅是出于娱乐目的而创建，并在我的大学通过CUDA项目。 除实验外，请勿将其用于其他任何用途-我无法保证它会起作用！ :) 随意分叉，实施和试验！ 怎么跑？ 要编译和运行该项目，您只需要Make和NVCC。 然后，只需运行： $ > make dataset $ > make build $ > make run 输出示例： ===================================== Configuration ===================================== NumberOfEpochs: 100 BatchSize: 512 LearningRate: 1.000
CUDA-GPT:CUDA和GPT图像模板匹配的算法加速
05-10
CUDA中的加速GPT 用法 编译并执行 nvcc *.cpp include/*.c* -o cu.out -arch=sm_60 --use_fast_math 从表的#define MAKETEMP 0到#define MAKETEMP 1修改include / parameter.h第142行。 编译并执行。 然后改回#define MAKETEMP 0 。 如果以上步骤未完成，则Cannot open the file! 错误将会出现。 在Tokyo Tech TSUBAME 3.0上测试 英伟达Tesla P100 Cuda编译工具，版本8.0，V8.0.61 已知的问题 CPU和GPU之间的微小结果差异 stdGpt.cpp中的bilinear_normal_projection函数中使用的multipliVect3x3中可能是CPU精度错误 参考 @inpr
ubuntu安装cuda驱动实现nvidia-smi命令
热门推荐
weixin_42652125的博客
07-24 2万+
先检验各种环境： 1) 验证自己的电脑是否有一个可以支持CUDA的GPU：$ lspci | grep -i nvidia 2) 验证自己的Linux版本是否支持 CUDA(Ubuntu 16.04没问题)：$ uname -m && cat /etc/*release 3) 验证系统是否安装了gcc：gcc --version 若未安装请使用下列命令进行安装： sudo...
显卡为nividia的笔记本，关于cuda的问题
qq_53729037的博客
09-16 1109
首先输入nvcc -V 时会提示“不是内外部命令”，这就说明我们电脑还没有下载cuda工具包，而 输入nvidia-smi时，会显示 CUDA Version版本为11.6.。 这两个是不相矛盾的，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 11.6。而nvcc的结果是对应 CUDA Runtime API。简
Nvidia CUDA版本：nvidia-smi与nvcc -V显示版本不一致
最新发布
遗失的神庙
03-18 511
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。
nvcc -V无法显示？nvcc和nvidia-smi显示的版本不一致？
HitWorkerA的博客
01-24 1355
解决：nvcc -V无法显示？nvcc和nvidia-smi显示的版本不一致？问题
nvcc_2.3.rar_cuda_nvcc_www.nvcc2.c_编程中的nvcc
09-14
CUDA并行编程环境的compiler driver———nvcc的详细介绍
关于输入nvidia-smi后不显示CUDA版本信息的异常情况的处理
Vaeeeee的博客
07-20 5152
不显示CUDA版本信息的异常情况的处理
PyTorch安装步骤
一指流沙的博客
11-03 2124
PyTorch安装步骤
没有NVIDIA控制面板，在cmd中使用nvidia-smi命令不显示CUDA Version的解决方案
qq_45272434的博客
04-16 1万+
系列文章目录 Environment_set 没有NVIDIA控制面板，在cmd中使用nvidia-smi命令不显示CUDA Version的解决方案系列文章目录前言一、没有NVIDIA控制面板二、安装NVIDIA驱动1.明确电脑自带的显卡版本2.下载安装合适的NVIDIA总结 前言 没有NVIDIA控制面板，在cmd中使用nvidia-smi命令不显示CUDA Version 一、没有NVIDIA控制面板 先在控制面板中查看是否被隐藏了，查看方式选择：小图标 这里若没有NVIDIA控制面板，而NVI
命令行_nvidia-smi——查看电脑cuda版本
qq_59344127的博客
06-03 1381
在命令行中输入 nvcc --version，按回车键执行。这将显示安装在系统上的CUDA版本。
nvidia-smi和nvcc -V的cuda版本区别
benben044的专栏
07-17 4958
不同方式的cuda版本号含义
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
docker-cuda:以 CUDA 驱动程序作为 GPU 计算基础的最小容器
06-30
docker-cuda 带有 CUDA 驱动程序的最小容器作为 GPU 计算的基础。 仅安装驱动程序，无需大量工具包。 我使用它作为折叠和 BOINC 图像的基础，但它当然可以用于其他地方。 用法： 在带有 CUDA 设备和驱动程序的主机上。 docker run \ --device=/dev/nvidia0:/dev/nvidia0 \ --device=/dev/nvidiactl:/dev/nvidiactl \ --device=/dev/nvidia-uvm:/dev/nvidia-uvm \ -it \ --rm cuda 或者，作为另一个图像的基础。 FROM ozzyjohnson/cuda 验证容器可以看到 GPU 。 nvidia-smi 哪个产生。 +-------------------------------------
cl-cuda:Cl-cuda 是一个在 Common Lisp 程序中使用 NVIDIA CUDA 的库
08-05
Cl-Cuda Cl-cuda 是一个在 Common Lisp 程序中使用 NVIDIA CUDA 的库。 它不仅提供了与 CUDA 驱动程序 API 的 FFI 绑定，还提供了内核描述语言，用户可以使用它在 S 表达式中定义 CUDA 内核函数。 除了内核函数之外，内核描述语言还提供了定义内核宏和内核符号宏的工具。 Cl-cuda 的内核宏和内核符号宏提供了 CUDA C 本身所没有的强大抽象，并在资源有限的 GPU 编程中提供了巨大的优势。 用内核描述语言定义的内核函数可以像普通的 Common Lisp 函数一样被启动，除了它们必须在 CUDA 上下文中启动，然后是网格和块大小。 内核函数在第一次启动时会自动且延迟地编译和加载。 这个过程如下。 首先，它们被 cl-cuda 编译成 CUDA C 代码（.cu 文件）。 然后，编译的 CUDA C 代码由 NVCC - NVID
NVCC-CYBERNET：为网页设计课程创建
02-12
“＃NVCC-CYBERNET”
NVCC cuda compiler wraper：在 Matlab 中编译 cuda 内核，如 nvcc('example.cu')-matlab开发
05-30
在这个 Cuda 之后文件可以编译成内核如果您第一次调用代码，或者使用“nvcc -config”： 1) 它将尝试定位“The NVIDIA GPU Computing Toolkit”，其中可以从www.nvidia.com/object/cuda_get.html下载典型位置： C:\...
bazel_nvcc:在bazel中将nvcc编译器用于cuda
04-29
bazel_nvcc 在bazel中使用nvcc编译器如何建造bazel build cuda：全部bazel测试测试：全部
nvcc4jupyter:在Google Colabs中对cuda cc ++编程的插件
04-17
适用于Jupyter笔记本的NVCC插件V2可用V2带来了对多个源文件和头文件的支持。用法负荷扩展%load_ext nvcc_plugin 将一个细胞标记为cuda细胞%%cuda --name example.cu --compile false 注意：单元必须包含代码或注释...
nvcc -v和nvidia -smi的区别
07-27
回答: nvcc -V和nvidia-smi是两个命令，用于查看CUDA版本。它们的区别在于，nvcc -V显示的是系统中安装的CUDA版本，而nvidia-smi显示的是当前系统中GPU驱动程序所支持的CUDA版本。\[1\]在Linux系统中，实际使用的CUDA版本以nvcc -V中显示的版本为准。如果nvidia-smi显示的CUDA版本与nvcc -V中显示的版本不同，实际使用的是nvcc -V中显示的版本。\[3\]这个问题的参考链接是Stack Overflow上的一个讨论，你可以在这里找到更多关于不同CUDA版本显示的信息。\[2\] #### 引用[.reference_title] - *1* *2* *3* [cuda版本在nvcc -V和nvidia-smi中显示不同](https://blog.csdn.net/weixin_45068330/article/details/121241867)[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^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .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

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