Voir le chemin des paramètres de variable d'environnement pytorch cuda cudnn & cuda

Meilleur moyen - méthode pytorch

Entrez le modèle python dans l'environnement conda :

import torch
print(torch.__version__)

print(torch.version.cuda)
print(torch.backends.cudnn.version())

De plus, notez
si l'instruction commune cuda est disponible

 torch.cuda.is_available()

Installez la version spécifiée de pytorch

 pip install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html

linux

voir cuda

# 方式一：
nvcc --version
nvcc -V

# 方式二：
cat /usr/local/cuda/version.txt

Voir cudnn

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

les fenêtres

voir cuda

# 方式一：
nvcc --version
nvcc -V

# 方式二：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

Voir cudnn

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.x\include\cudnn.h

Si vous ne connaissez pas le chemin d'installation ou si vous avez installé plusieurs versions de CUDA, vous pouvez le vérifier dans la variable d'environnement CUDA_PATHoupath

blog de référence sur la configuration des variables d'environnement cuda

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Mon_May__3_19:15:13_PDT_2021
Cuda compilation tools, release 11.3, V11.3.109
Build cuda_11.3.r11.3/compiler.29920130_0