显卡算力、驱动版本、CUDA、pytorch之间的关系 | 您所在的位置:网站首页 › 3060显卡算例 › 显卡算力、驱动版本、CUDA、pytorch之间的关系 |
显卡算力、驱动版本、CUDA、pytorch之间的关系
1.查看显卡驱动版本2.显卡算力与cuda3.CUDA与pytorch4.在虚拟环境中安装CUDA查看安装是否成功
5.参考链接
1.查看显卡驱动版本
nvidia-smi
可以看到显卡驱动(Driver Version:460.91.03)和当前驱动支持的最高CUDA版本(CUDA Version:11.2)。通过这个命令我们就可以确定能下载的最高CUDA版本 2.显卡算力与cuda显卡的算力表如下: 当我们下载CUDA时需要根据自身显卡的算力选择合适的CUDA版本,两者的对应关系如下表所示: 如果我们的显卡算力为8.0但我们却安装了CUDA10.2,这样的话就会出错。根据上表我们应该安装11.0及以上的CUDA版本。 3.CUDA与pytorch当我们通过前面确定了CUDA版本后就可以根据在pytorch官网上查看与之相对应的pytorch版本了。 如果我们需要下载指定版本的pytorch,也可以调整CUDA版本使其适配。 为方便查看,这里放上pytorch与CUDA版本的对应关系表: 更深入学习可以看这篇文章显卡,显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn区别? 4.在虚拟环境中安装CUDAconda虚拟环境中安装cuda和cudnn cuda、cudnn 清华源下载地址 若无法通过conda 直接安装CUDA可以先在上面的地址中将相应版本CUDA下载下来(.conda后缀),然后通过下面的命令安装 # 然后安装本地包 conda install --use-local 本地cuda包所在的路径 查看安装是否成功在虚拟环境中安装完cuda和cudnn想要测试是否安装成功,不能使用nvcc -V命令测试,需要在虚拟环境中安装pytorch包进行测试。 安装好pytorch后可以通过下面命令检查是否将CUDA安装 python import torch #导入torch print(torch.version.cuda) #查看CUDA版本查看cudnn版本 print(torch.backends.cudnn.version()) 5.参考链接1.参考一 2.参考二 3.参考三 4.参考四 |
CopyRight 2018-2019 实验室设备网 版权所有 |