找到对应版本的显卡驱动、cuda和pytorch安装的版本

最新推荐文章于 2025-03-17 15:28:29 发布
最新推荐文章于 2025-03-17 15:28:29 发布
阅读量3.5k 收藏 6
点赞数 2
文章标签： pytorch 深度学习 python
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/zlbbme/article/details/126228499
版权
本文记录了在单位电脑上安装深度学习环境的过程，遇到的问题及解决办法。使用的是NVIDIA QUADRO 2000显卡，尝试安装最新版本的CUDA（11.7）和PyTorch，但发现PyTorch不支持CUDA 11.7。通过官方高级驱动搜索找到旧版驱动472.47，该版本对应CUDA 11.4。下载并安装了CUDA 11.4，成功解决了版本兼容问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

今天在单位电脑安装深度学习的环境

使用的NVIDIA QUADRO P2000的显卡，点进nvidia官网下载显卡驱动和cuda都是最新版本（目前最新版本11.7），但pytroch安装并没有11.7版本

 在官网（https://www.nvidia.cn/Download）找了一圈都没找到以前版本的显卡驱动和cuda下载

最后在网上找到了

以往显卡驱动下载地址（官方高级驱动搜索 | NVIDIA）找到对应的显卡下载即可

但我并不知道怎么下载下来的显卡驱动满足条件的cuda，所以我是一个个试的

最后选择的显卡驱动版本为472.47，对应的为cuda11.4

再下载旧版的cuda版本（CUDA Toolkit Archive | NVIDIA Developer），下载cuda版本

Python PyTorch cuda 显卡驱动对应关系
An_oak的博客
07-26 2872
首先要看自己是什么显卡，再选择驱动，比如我现在在用一个2080ti的服务器，驱动是470.256.02，那我就要按照驱动去选别的了。个人不建议为了cuda换驱动，除非万不得已，因为安驱动真的麻烦。比如我用的cuda11.3，我就可以安装pytorch1.11。如果你真的需要更高版本的cuda，那就得尝试升级驱动了。比如我的那个，最多安装cuda11.3。这我就不展示了，内容太多了。
anaconda、cuda、pytorch安装（深度学习环境配置简洁版）
不断进步的咕咕怪的博客
03-22 1445
是开源的python和R语言发行版和包管理器，内置有几百个python的第三方库、包管理工具conda、可视化界面Navigator、IDE。我们使用anaconda进行python运行环境和工具包的管理。cuda是nvidia推出的基于nvidia显卡的通用并行计算架构，可以提高nvidia显卡的性能。CUDA提供了对其它编程语言的支持，如C/C++，Python，Fortran等语言。只有安装CUDA才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。
记录自己 Ubuntu 20.04 安装 CUDA 及 Pytorch
热门推荐
米饭的白色的专栏
04-25 1万+
之前没接触过深度学习, 所以对安装 CUDA 以及 Pytorch 没什么概念, 这里主要记录一下. 自己用的是 DEll 的一款塔式服务器 (Precision 7820 Tower), 配置里面正好有 NVIDIA 的显卡, 所以就用这个机器来安装 CUDA 和 Pytorch. 参考了: Ubuntu18.04查看显卡信息并安装NVDIA显卡驱动driver + Cuda + Cudnn 一. 安装相关驱动 1. 查看显卡型号 利用命令 lshw -c video 进行查看: dell@dell-To
升级NVIDIA显卡驱动及卸载CUDA
笑脸惹桃花的博客
03-17 2439
简单易上手的NVIDIA显卡驱动更新及CUDA的老版本卸载和新版本安装，小白也可以简单操作。
Win10上安装Keras 和 TensorFlow(GPU版本)
weixin_34357928的博客
01-16 1893
一. 安装环境 Windows 10 64bit  家庭版 GPU: GeForce GTX1070 Python: 3.5 CUDA: CUDA Toolkit 8.0 GA1 (Sept 2016) cuDNN: cuDNN v6.0 Library for Windows 10 【注意】 （1）这里值得一提的是，Python，CUDA，cuDNN之间的版本要严格匹配，不匹配安装会出错。 ...
win10下配置tensorflow-gpu（NVIDIA Quadro P2000）
a3678911的博客
06-03 5508
win10下配置tensorflow-gpu（NVIDIA Quadro P2000）win10下配置tensorflow-gpu（NVIDIA Quadro P2000）确定自己的GPU支持人工智能计算CUDA和cuDNN的安装tensorflow-gpu安装测试 win10下配置tensorflow-gpu（NVIDIA Quadro P2000） 刚刚采用公司服务器配置了NVIDIA Quadro P2000显卡计算的tensorflow-gpu，折腾了好久，写在这里mark下。主要的经验就是： a
英伟达NVIDIA驱动安装
知识搬运者
10-05 8339
下载的时候，选择自己需要的驱动版本。一般AI领域用NVIDIA Studio，玩游戏选择GeForce Game Ready驱动。一般，我们新的显卡上机或者新系统可能就需要重新安装显卡驱动。或者是我们在配置深度学习环境时候，需要手动安装驱动。很简单，我们重新下载别的驱动版本安装即可，自己一个一个的试一试。最后还是不行，升级一下win版本。在安装的时候，双击后的界面是解压路径，这个安装后可以删除。我们选择好自己需要的驱动后直接安装即可。选择后，我们继续选择【自定义】安装。最后等待安装结束即可。
Nvidia配置汇总（驱动、CUDA、cudnn）
weixin_38907560的博客
03-03 2464
环境配置 驱动 英伟达历史版本驱动下载链接： 官方高级驱动搜索 | NVIDIA适用于 GeForce、TITAN、NVIDIA RTX、数据中心、GRID 等 NVIDIA 产品的高级驱动搜索。https://www.nvidia.cn/Download/Find.aspx?lang=cn 更全面的历史驱动如下： Index of /XFree86/Linux-x86_64https://download.nvidia.com/XFree86/Linux-x86_64/安装驱动： sudo
ESXI直通显卡，Centos7安装NVIDIA Quadro P2000驱动
weixin_43741408的博客
09-19 5199
其中包含了必要的设备如硬盘、网卡、文件系统等的驱动以及加载驱动的工具及其运行环境,比如基本的C库,动态库的链接加载器等等）的共同项目,并且Nouveau是在完全没有得到NVIDIA任何支持的情况下进行开发的）2、关闭虚拟机，编辑设置中添加PIC设备，选择已直通的显卡信息。3、 在编辑设置——虚拟机选项——编辑配置中搜索vga字段，将。1、ESXI硬件管理中，勾选相应显卡信息，并切换为直通模式。15、最后进入应用内，检验显卡调用情况（这里我用的是。② 选择 NO，然后会弹出安装64位的，选 YES。
【一次性解决】深入理解CUDA和PyTorch的安装与多版本管理的三种方式
prinTao的博客
01-25 2294
系统环境变量很多人配置环境就是直接安装三件套，而对于版本管理不是很清楚。在开发初期，这样做没什么问题。但是如果服务器多人使用，或者复现代码多（pytorch版本和cuda版本是互相依赖的），就需要更进一步的版本管理方法。这里将详细介绍用于深度学习或者CPP开发的CUDA版本管理方式。在配置环境前，首先需要明确自己的需求。对于使用Python进行的开发，推荐在。对于C++开发，只使用手动管理版本即可，无须安装anaconda和docker。请注意，以下的方法选择其一即可，混着用容易把自己搞乱了。
Windows系统中，英伟达显卡驱动更新，Pytorch与cuda程序安装
zhuwenlong130130的博客
02-05 988
1、注意驱动程序是否需要更新，更新后注意需要兼容的cuda版本2、安装好cuda后，相应的pyhon版本需要注意3、cuda和pyhon安装好后，需要考虑pytortch的安装版本。
NVIDIA英伟达PhysX驱动 v257.21 官方版
07-02
N卡PhysX驱动是一款为解决用户在游戏中存在中缺少PhysXLoader.dll等错误信息的文件，如果你是N卡而且支持PhysX，可以选择下载对应的操作系统的驱动。下载安装即可解决问题，需要的朋友赶紧下载吧PhysX说明nVIDIA时代的PhysX：2008年，Nvidia收购了AGEI,欢迎下载体验
显卡驱动版本、cuda版本、pytorch版本的匹配查找网站
视觉小新的博客
05-02 1362
首先是安装自己的显卡驱动，根据显卡的型号进行选择 https://www.nvidia.cn/Download/index.aspx 查看显卡驱动和cuda的对应版本 Release Notes :: CUDA Toolkit Documentation 查看显卡的计算能力，该计算能力直接与pytorch的版本有关 CUDA GPUs | NVIDIA Developer 关于CUDA与GPU的算力匹配问题 https://www.csdn.net/tags/MtjakgwsNjE
NVIDIA驱动高级搜索可以找到旧版本驱动
lyhDe博客
12-23 9582
nvidia驱动可选择版本下载
CUDA deviceQuery参数详解
caisense的专栏
04-25 7908
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\1_Utilities\deviceQuery\../. ./bin/win64/Debug/deviceQuery.exe Starting... CUDA Device Query (Runtime API) version (CUDART static linking)Detected 1
p2000显卡linux的驱动,NVIDIA DRIVERS Linux 32-bit ARM Display Driver
weixin_39563722的博客
05-15 1088
NVIDIA TITAN Series:NVIDIA TITAN X (Pascal), GeForce GTX TITAN X, GeForce GTX TITAN, GeForce GTX TITAN Black, GeForce GTX TITAN ZGeForce 10 Series:GeForce GTX 1080, GeForce GTX 1070, GeForce GTX 1060,...
Ubuntu16.04 安装NVIDIA英伟达（quadry p2000）驱动教程几种Error的解决方案
qq_26877595的博客
07-05 3624
正确的安装步骤： 禁用集成显卡： （1）sudo gedit /etc/modprobe.d/blacklist.conf （2）在文件的最后一行加入下面的命令，屏蔽有影响的驱动包（这里有的博客添加了blacklist amd76x_edac，但是经测试后不加也是可以安装成功的） blacklist rivafb blacklist vga16fb blacklist nouveau bl...
Windows10+Quadro M2000+CUDA_9.2.148+cudnn7.2.1.38+tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl安装
irober的博客
07-21 2507
Windows10+Quadro M2000+CUDA_9.2.148+cudnn7.2.1.38+tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl安装一、GPU新驱动安装二、Anaconda3下载与安装三、CUDA的下载安装四、CUDNN7.2的下载安装五、Tesorflow下载 一、GPU新驱动安装 1、查看自己电脑的显卡信息，可以使用工具CPU-Z检测。下图为本机的显卡信息： 进入NVIDIA驱动下载进行符合条件的下载安装。直接安装并取代之前的显卡版本。
ubuntu安装cuda和pytorch版本对应
最新发布
04-03
### Ubuntu 下 CUDA 与 PyTorch 的版本兼容性及安装教程 #### 兼容性概述 在构建深度学习环境时，确保操作系统、CUDA 和 PyTorch 的版本相互兼容是非常重要的。Ubuntu 20.04 被广泛认为是一个稳定的选择，因为它提供了较低版本的显卡驱动程序，这使得它更容易与特定版本的 CUDA 和 PyTorch 进行匹配[^1]。 以下是常见的 Ubuntu、CUDA 和 PyTorch 版本组合： | **Ubuntu** | **CUDA** | **PyTorch** | |------------|-------------|--------------| | 20.04 | 11.3 | 1.10 | | 20.04 | 11.7 | 1.12 | | 22.04 | 11.8 | 1.13 | 上述表格中的版本经过测试能够较好地协同工作。 --- #### 安装步骤 ##### 1. 更新系统并安装依赖项 在开始之前，请先更新您的 Ubuntu 系统，并安装必要的开发工具和库文件： ```bash sudo apt update && sudo apt upgrade -y sudo apt install -y build-essential cmake git unzip pkg-config libopenblas-dev liblapack-dev python3-numpy python3-scipy python3-matplotlib python3-yaml ``` 此操作将为后续的软件包安装提供基础支持[^2]。 ##### 2. 安装 NVIDIA 驱动程序 为了使 GPU 加速生效，您需要安装适合硬件的 NVIDIA 显卡驱动程序。可以通过以下命令自动检测并安装最新的驱动程序： ```bash sudo ubuntu-drivers autoinstall ``` 完成后重启计算机以加载新的驱动程序。 验证驱动程序是否正确安装： ```bash nvidia-smi ``` 如果显示了 GPU 使用情况，则说明驱动已成功安装[^3]。 ##### 3. 安装 CUDA 工具包 根据目标 PyTorch 版本选择对应的 CUDA 版本。例如，如果您计划使用 PyTorch 1.10，则应安装 CUDA 11.3。 下载地址可以从官方 CUDA 页面获取。或者通过 APT 包管理器完成安装： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda-11-3 ``` 设置环境变量以便于访问 CUDA 命令： ```bash echo 'export PATH=/usr/local/cuda-11.3/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 验证 CUDA 是否正常运行： ```bash nvcc --version ``` ##### 4. 安装 cuDNN (可选) cuDNN 是一种用于优化深度神经网络性能的库。通常情况下，PyTorch 自带的功能已经足够满足大多数需求；但如果需要更高的效率，可以选择手动安装 cuDNN。 从 NVIDIA 开发者网站下载适用于所选 CUDA 版本的 cuDNN 文件，并按照文档指示解压到 `/usr/local/cuda` 中。 ##### 5. 安装 PyTorch 前往 [PyTorch 官方页面](https://pytorch.org/get-started/previous-versions/) 查找历史版本信息。假设我们需要安装 PyTorch 1.10 并搭配 Python 3.x 和 CUDA 11.3，执行如下 pip 命令即可： ```bash pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio===0.10.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 注意替换 `torch`, `torchvision`, 和其他组件的具体版本号来适应不同的配置需求。 ##### 6. 测试 GPU 支持状态 最后一步是确认 GPU 功能已被激活。打开 Python 解释器并输入以下脚本来检查设备可用性和具体型号： ```python import torch print(f"CUDA Available: {torch.cuda.is_available()}") print(f"Device Count: {torch.cuda.device_count()}") print(f"Current Device Name: {torch.cuda.get_device_name(0)}") ``` 当输出表明存在至少一块活动的 GPU 设备时，即代表整个流程顺利完成。 --- ###
评论
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

打赏作者

zlbbme_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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