Voir le chemin de pytorch cuda cudnn
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_PATH
oupath
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