當前位置：首頁 > news >正文

example郵箱注冊網(wǎng)站最近剛發(fā)生的新聞

news 2025/7/4 16:55:29

example郵箱注冊網(wǎng)站,最近剛發(fā)生的新聞,做一個企業(yè)網(wǎng)站需要多少錢,網(wǎng)站開發(fā)工作室文章目錄 1、查看版本信息查看GPU查看cuda版本其他方法 2區(qū)分了解cudaCUDA ToolkitNVCCcuDNN 3/ 安裝過程4/版本的問題CUDA Toolkit和顯卡驅(qū)動的版本對應CUDA / CUDA Toolkit和cuDNN的版本對應 5/關于CUDA和Cudnn**5.1 CUDA的命名規(guī)則****5.2 如何查看自己所安裝的CUDA的版本…

文章目錄

1、查看版本信息
- 查看GPU
- 查看cuda版本
- 其他方法
2區(qū)分了解
- cuda
- CUDA Toolkit
- NVCC
- cuDNN
3/ 安裝過程
4/版本的問題
- CUDA Toolkit和顯卡驅(qū)動的版本對應
- CUDA / CUDA Toolkit和cuDNN的版本對應
5/關于CUDA和Cudnn
- **5.1 CUDA的命名規(guī)則**
- **5.2 如何查看自己所安裝的CUDA的版本：**
- **5.3 如何查看自己的cuDNN的版本**
- 5.4 NVIDIA顯卡及其計算能力查看

1、查看版本信息

查看GPU

查看cuda版本

命令行中輸入 nvidia-smi

C:\Users\Administrator>nvidia-smi
Mon Dec 14 20:24:37 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.79       Driver Version: 460.79       CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  GeForce RTX 3070   WDDM  | 00000000:01:00.0  On |                  N/A |
|  0%   50C    P2    48W / 240W |   1203MiB /  8192MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

其中 CUDA Version：11.2 就是當前顯卡的CUDA版本啦。

找不到該命令怎么辦：

1、cmd中目錄切換到 C:\Program Files\NVIDIA Corporation\NVSMI下然后再使用nvidia-smi命令。

2、在系統(tǒng)變量的Path變量中添加C:\Program Files\NVIDIA Corporation\NVSMI，

其他方法

1、控制面板-----NVIDIA控制面板

2、系統(tǒng)信息

3、如圖

顯卡驅(qū)動一般自帶，官網(wǎng)下載地址：官方 GeForce 驅(qū)動程序 | NVIDIA

快速安裝CUDA和Cudnn可參考：【CUDA】cuda安裝（windows版）

備份鏈接：https://app.yinxiang.com/shard/s11/nl/18572327/940c7ced-3cdf-4647-b807-e40e574ef804

下面具體講述區(qū)別和聯(lián)系以及下載流程

2區(qū)分了解

cuda

CUDA是顯卡廠商NVIDIA推出的運算平臺。CUDA英文全稱是Compute Unified Device Architecture。
*CUDA是NVIDIA推出的用于自家GPU的并行計算框架，是一種并行計算平臺和編程模型，也就是說CUDA只能在NVIDIA的GPU上運行，而且只有當要解決的計算問題是可以大量并行計算的時候才能發(fā)揮CUDA的作用

有人說：CUDA是一門編程語言，像C,C++,python 一樣，也有人說CUDA是API。
官方說：CUDA是一個并行計算平臺和編程模型，能夠使得使用GPU進行通用計算變得簡單和優(yōu)雅。
運行CUDA應用程序要求系統(tǒng)至少具有一個具有CUDA功能的GPU和與CUDA Toolkit兼容的驅(qū)動程序。
查看CUDA版本命令：nvcc -V 或nvcc --version或cat /usr/local/cuda/version.txt

(1) NVIDIA的顯卡驅(qū)動程序和CUDA完全是兩個不同的概念哦！

CUDA和CUDA Driver顯卡驅(qū)動不是一一對應的，比如同一臺電腦上可同時安裝CUDA 9.0、CUDA 9.2、CUDA 10.0等版本。
CUDA本質(zhì)上只是一個工具包（ToolKit）；所以我可以在同一個設備上安裝很多個不同版本的CUDA，比如我的電腦上同事安裝了 CUDA 9.0、CUDA 9.2、CUDA 10.0三個版本。一般情況下，我只需要安裝最新版本的顯卡驅(qū)動，然后根據(jù)自己的選擇選擇不同CUDA工具包就可以了，但是由于使用離線的CUDA總是會捆綁CUDA和驅(qū)動程序（下面闡述），所以在使用多個CUDA的時候就不要選擇離線安裝的CUDA了，否則每次都會安裝不同的顯卡驅(qū)動，這不太好，我們直接安裝一個最新版的顯卡驅(qū)動，然后在線安裝不同版本的CUDA即可。

顯卡驅(qū)動下載地址：https://www.nvidia.com/Download/index.aspx?lang=en-us

CUDA Toolkit

CUDA工具包的主要包含了CUDA-C和CUDA-C++編譯器、一些科學庫和實用程序庫、CUDA和library API的代碼示例、和一些CUDA開發(fā)工具。（通常在安裝CUDA Toolkit的時候會默認安裝CUDA Driver；但是我們經(jīng)常只安裝CUDA Driver，沒有安裝CUDA Toolkit，因為有時不一定用到CUDA Toolkit；比如我們的筆記本電腦，安裝個CUDA Driver就可正?？匆曨l、辦公和玩游戲了）
詳細內(nèi)容見NVIDIA官方

cudatoolkit有兩種：
①Nvidia 官方提供的 CUDA Toolkit
（官方提供的CUDA Toolkit是一個完整的工具安裝包）大
②Anaconda安裝Pytorch時，會自動安裝cudatoolkit
（conda安裝的只包含動態(tài)鏈接庫等pytorch框架需要用到的東西）小

原文鏈接

CUDA和CUDA toolkit區(qū)別： cuda和cudatoolkit_獨孤的大山貓的博客-CSDN博客_cudatoolkit和cuda有關系嗎

NVCC

NVCC就是CUDA的編譯器,可以從CUDA Toolkit的/bin目錄中獲取,類似于gcc就是c語言的編譯器。由于程序是要經(jīng)過編譯器編程成可執(zhí)行的二進制文件，而cuda程序有兩種代碼，一種是運行在cpu上的host代碼，一種是運行在gpu上的device代碼，所以nvcc編譯器要保證兩部分代碼能夠編譯成二進制文件在不同的機器上執(zhí)行。

cuDNN

cuDNN的全稱為NVIDIA CUDA? Deep Neural Network library，是NVIDIA專門針對深度神經(jīng)網(wǎng)絡中的基礎操作而設計基于GPU的加速庫。cuDNN為深度神經(jīng)網(wǎng)絡中的標準流程提供了高度優(yōu)化的實現(xiàn)方式，例如convolution、pooling、normalization以及activation layers的前向以及后向過程。
CUDA這個平臺一開始并沒有安裝cuDNN庫，當開發(fā)者們需要用到深度學習GPU加速時才安裝cuDNN庫，工作速度相較CPU快很多。

CUDNN是基于CUDA的深度學習GPU加速庫，有了它才能在GPU上完成深度學習的計算；
來自知乎的解釋：CUDA看作是一個工作臺，上面配有很多工具，如錘子、螺絲刀等。cuDNN是基于CUDA的深度學習GPU加速庫，有了它才能在GPU上完成深度學習的計算。它就相當于工作的工具，比如它就是個扳手。但是CUDA這個工作臺買來的時候，并沒有送扳手。想要在CUDA上運行深度神經(jīng)網(wǎng)絡，就要安裝cuDNN，就像你想要擰個螺帽就要把扳手買回來。這樣才能使GPU進行深度神經(jīng)網(wǎng)絡的工作，工作速度相較CPU快很多。
基本上所有的深度學習框架都支持cuDNN這一加速工具，例如：Caffe、Caffe2、TensorFlow、Torch、Pytorch、Theano等。
Caffe可以通過修改Makefile.config中的相應選項來修改是否在編譯Caffe的過程中編譯cuDNN，如果沒有編譯cuDNN的話，執(zhí)行一些基于Caffe這一深度學習框架的程序速度上要慢3-5倍（Caffe官網(wǎng)上說不差多少，明明差很多嘛）。Caffe對cuDNN的版本不是很嚴格，只要大于cuDNN 4就可以。
查看cuDNN版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

3/ 安裝過程

1/顯卡驅(qū)動下載地址：https://www.nvidia.com/Download/index.aspx?lang=en-us

2/CUDA的下載地址為：CUDA Toolkit Archive | NVIDIA Developer

我們可以選擇兩種安裝方式，一種是在線安裝（我還沒用過），一中離線安裝（我采用的）即本地安裝，

當我們選擇離線安裝，當我們選定相對應的版本之后，下載的時候發(fā)現(xiàn)這個地方的文件大小大概在2G左右，Linux系統(tǒng)下面我們選擇runfile(local) 完整安裝包從本地安裝，或者是選擇windows的本地安裝。

直接點擊exe文件安裝即可。
安裝過程中：

選擇“自定義安裝”—不要勾選“CUDA- -VS Intergation”，
不建議勾選“other components”和“other compontens”，如果當前版本有版本號就不要勾選了
如果不是第一次安裝，我覺得可以把“CUDA- - Samples”取消掉

CUDA安裝完成后，打開powershell，執(zhí)行nvcc -V ，成功的話會返回cuda版本號。

CUDA Toolkit本地安裝包時內(nèi)含特定版本Nvidia顯卡驅(qū)動的，所以只選擇下載CUDA Toolkit就足夠了，如果想安裝其他版本的顯卡驅(qū)動就下載相應版本即可。

所以，NVIDIA顯卡驅(qū)動和CUDA工具包本身是不具有捆綁關系的，也不是一一對應的關系，只不過是離線安裝的CUDA工具包會默認攜帶與之匹配的最新的驅(qū)動程序。

3/ CUDA ToolKit的安裝：

暫時理解為：安裝cuda就是安裝cuda ToolKit

4/ cuDNN安裝：cuDNN是一個SDK，是一個專門用于神經(jīng)網(wǎng)絡的加速包，注意，它跟我們的CUDA沒有一一對應的關系，即每一個版本的CUDA可能有好幾個版本的cuDNN與之對應，但一般有一個最新版本的cuDNN版本與CUDA對應更好。

官網(wǎng)直接下：cuDNN Archive | NVIDIA Developer

解壓cuDNN壓縮包，可以看到bin、include、lib目錄；打開 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

找到你安裝的版本目錄，打開，找到bin、include、lib目錄，將cuDNN壓縮包內(nèi)對應的文件復制到bin、include、lib目錄。

注意：是復制文件到bin、include、lib目錄，不是復制目錄。

4/版本的問題

CUDA Toolkit和顯卡驅(qū)動的版本對應

每個版本的CUDA Toolkit 都對應一個最低版本的顯卡驅(qū)動版本（CUDA Driver），詳情見下表。顯卡驅(qū)動下載，CUDA Toolkit下載，顯卡驅(qū)動安裝教程，CUDA Toolkit安裝教程1，CUDA Toolkit安裝教程2

安裝CUDA Driver核心命令：sudo sh ./NVIDIA-Linux-x86_64-???.??.run
詳細教程參考其他博客

需要知道：CUDA Toolkit和顯卡驅(qū)動有版本的對應關系。
但同時：在同一臺機器上（即同一個CUDA Driver版本）可以安裝多個版本的CUDA（如CUDA 9.0、CUDA 10.1……只需要滿足當前CUDA Driver版本支持安裝的CUDA版本即可，滿足關系見下圖。

我的理解：安裝CUDA就是安裝CUDA Toolkit（CUDA是運算平臺名稱、CUDA Toolkit是工具包），就是從官網(wǎng)下載CUDA Toolkit安裝.run文件（如cuda_9.0.176_384.81_linux.run）進行安裝。
安裝成功后，在/usr/local路徑下才會有cuda-9.0文件夾，且同時才可以使用nvcc -V可以查詢到CUDA版本

Anaconda在安裝Pytorch時，會同時用戶安裝cudatoolkit，如命令conda install pytorch torchvision torchaudio cudatoolkit=10.1 -c pytorch，其主要包含應用程序在使用CUDA相關的功能時所依賴的動態(tài)鏈接庫。conda安裝只會安裝一些計算庫，不會安裝編譯工具。而官方的cuda包包含的東西會完整一些。
使用 Anaconda 安裝的 CUDA Toolkit 不位于 lib64 路徑中，也不會產(chǎn)生沖突
在考慮pip install tensorflow-gpu安裝tensorflow時，如安裝TensorFlow2.1，需要安裝CUDA Toolkit版本為10.1，而安裝Tensorflow1.14.0，則要求cuda==10.0（tensorflow與cuda也有版本兼容問題，官方文檔）
查詢上圖，我們發(fā)現(xiàn)需要顯卡驅(qū)動版本應該大于等于418.96，故系統(tǒng)中的顯卡驅(qū)動版本應該至少為418.39。
CUDA Toolkit本地安裝包(local)內(nèi)含特定版本Nvidia顯卡驅(qū)動的，當在CUDA官網(wǎng)下載CUDA Toolkit后進行安裝時會讓用戶選擇安裝項。
如果想安裝其他版本的顯卡驅(qū)動，則就需要在Nvidia官網(wǎng)自己下載并先安裝好（或本機已經(jīng)安裝了合適版本的顯卡驅(qū)動時），最后在安裝CUDA Toolkit時取消安裝內(nèi)置版本的Nvidia顯卡驅(qū)動。

CUDA / CUDA Toolkit和cuDNN的版本對應

**CUDA / CUDA Toolkit和cuDNN之間有版本對應關系。
但同時：同一個CUDA 版本支持安裝多個版本的cuDNN（如cuDNN v7.6.4、cuDNN v7.6.3……選擇其一安裝即可。

cuDNN下載，cuDNN下載安裝教程

查閱cuDNN下載網(wǎng)站，可以知道，如果目前電腦中安裝了CUDA Toolkit=10.1（也就是CUDA10.1），那么cuDNN的可選版本有7.6.4、7.6.3、7.6.2
同上，如需要安裝TensorFlow2.1，故我們需要安裝CUDA Toolkit=10.1，同時cuDNN就需要從7.6.4、7.6.3、7.6.2這三個版本中選擇。