高端品牌网站建设定位,余姚关键词优化公司,iis下建立asp网站,网站免费加速器文章目录 1、查看版本信息查看GPU查看cuda版本其他方法 2区分 了解cudaCUDA ToolkitNVCCcuDNN 3/ 安装过程4/版本的问题CUDA Toolkit和 显卡驱动 的版本对应CUDA / CUDA Toolkit和cuDNN的版本对应 5/关于CUDA和Cudnn**5.1 CUDA的命名规则****5.2 如何查看自己所安装的CUDA的版本… 文章目录 1、查看版本信息查看GPU查看cuda版本其他方法 2区分 了解cudaCUDA ToolkitNVCCcuDNN 3/ 安装过程4/版本的问题CUDA Toolkit和 显卡驱动 的版本对应CUDA / CUDA Toolkit和cuDNN的版本对应 5/关于CUDA和Cudnn**5.1 CUDA的命名规则****5.2 如何查看自己所安装的CUDA的版本****5.3 如何查看自己的cuDNN的版本**5.4 NVIDIA显卡及其计算能力查看 1、查看版本信息
查看GPU 查看cuda版本
命令行中输入 nvidia-smi
C:\Users\Administratornvidia-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 Version11.2 就是当前显卡的CUDA版本啦。 找不到该命令怎么办 1、cmd中目录切换到 C:\Program Files\NVIDIA Corporation\NVSMI下然后再使用nvidia-smi命令。 2、在系统变量的Path变量中添加C:\Program Files\NVIDIA Corporation\NVSMI 其他方法
1、控制面板-----NVIDIA控制面板 2、系统信息 3、如图 显卡驱动一般自带官网下载地址官方 GeForce 驱动程序 | NVIDIA
快速安装CUDA和Cudnn可参考【CUDA】cuda安装 windows版
备份链接https://app.yinxiang.com/shard/s11/nl/18572327/940c7ced-3cdf-4647-b807-e40e574ef804
下面具体讲述区别和联系以及下载流程 2区分 了解
cuda
CUDA是显卡厂商NVIDIA推出的运算平台。CUDA英文全称是Compute Unified Device Architecture。 *CUDA是NVIDIA推出的用于自家GPU的并行计算框架是一种并行计算平台和编程模型也就是说CUDA只能在NVIDIA的GPU上运行而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用 有人说CUDA是一门编程语言像C,C,python 一样也有人说CUDA是API。 官方说CUDA是一个并行计算平台和编程模型能够使得使用GPU进行通用计算变得简单和优雅。 运行CUDA应用程序要求系统至少具有一个具有CUDA功能的GPU和与CUDA Toolkit兼容的驱动程序。 查看CUDA版本命令nvcc -V 或nvcc --version或cat /usr/local/cuda/version.txt (1) NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦 CUDA和CUDA Driver显卡驱动不是一一对应的比如同一台电脑上可同时安装CUDA 9.0、CUDA 9.2、CUDA 10.0等版本。 CUDA本质上只是一个工具包ToolKit所以我可以在同一个设备上安装很多个不同版本的CUDA比如我的电脑上同事安装了 CUDA 9.0、CUDA 9.2、CUDA 10.0三个版本。一般情况下我只需要安装最新版本的显卡驱动然后根据自己的选择选择不同CUDA工具包就可以了但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序下面阐述所以在使用多个CUDA的时候就不要选择离线安装的CUDA了否则每次都会安装不同的显卡驱动这不太好我们直接安装一个最新版的显卡驱动然后在线安装不同版本的CUDA即可。 显卡驱动下载地址https://www.nvidia.com/Download/index.aspx?langen-us CUDA Toolkit
CUDA工具包的主要包含了CUDA-C和CUDA-C编译器、一些科学库和实用程序库、CUDA和library API的代码示例、和一些CUDA开发工具。通常在安装CUDA Toolkit的时候会默认安装CUDA Driver但是我们经常只安装CUDA Driver没有安装CUDA Toolkit因为有时不一定用到CUDA Toolkit比如我们的笔记本电脑安装个CUDA Driver就可正常看视频、办公和玩游戏了 详细内容见NVIDIA官方 cudatoolkit有两种 ①Nvidia 官方提供的 CUDA Toolkit 官方提供的CUDA Toolkit是一个完整的工具安装包大 ②Anaconda安装Pytorch时会自动安装cudatoolkit conda安装的只包含动态链接库等pytorch框架需要用到的东西小 原文链接 CUDA和CUDA toolkit区别 cuda和cudatoolkit_独孤的大山猫的博客-CSDN博客_cudatoolkit和cuda有关系吗 NVCC
NVCC就是CUDA的编译器,可以从CUDA Toolkit的/bin目录中获取,类似于gcc就是c语言的编译器。由于程序是要经过编译器编程成可执行的二进制文件而cuda程序有两种代码一种是运行在cpu上的host代码一种是运行在gpu上的device代码所以nvcc编译器要保证两部分代码能够编译成二进制文件在不同的机器上执行。
cuDNN
cuDNN的全称为NVIDIA CUDA® Deep Neural Network library是NVIDIA专门针对深度神经网络中的基础操作而设计基于GPU的加速库。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式例如convolution、pooling、normalization以及activation layers的前向以及后向过程。 CUDA这个平台一开始并没有安装cuDNN库当开发者们需要用到深度学习GPU加速时才安装cuDNN库工作速度相较CPU快很多。 CUDNN是基于CUDA的深度学习GPU加速库有了它才能在GPU上完成深度学习的计算 来自知乎的解释CUDA看作是一个工作台上面配有很多工具如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具比如它就是个扳手。但是CUDA这个工作台买来的时候并没有送扳手。想要在CUDA上运行深度神经网络就要安装cuDNN就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作工作速度相较CPU快很多。 基本上所有的深度学习框架都支持cuDNN这一加速工具例如Caffe、Caffe2、TensorFlow、Torch、Pytorch、Theano等。 Caffe可以通过修改Makefile.config中的相应选项来修改是否在编译Caffe的过程中编译cuDNN如果没有编译cuDNN的话执行一些基于Caffe这一深度学习框架的程序速度上要慢3-5倍Caffe官网上说不差多少明明差很多嘛。Caffe对cuDNN的版本不是很严格只要大于cuDNN 4就可以。 查看cuDNN版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 3/ 安装过程
1/显卡驱动下载地址https://www.nvidia.com/Download/index.aspx?langen-us
2/CUDA的下载地址为CUDA Toolkit Archive | NVIDIA Developer
我们可以选择两种安装方式一种是在线安装我还没用过一中离线安装我采用的即本地安装
当我们选择离线安装当我们选定相对应的版本之后下载的时候发现这个地方的文件大小大概在2G左右Linux系统下面我们选择runfile(local) 完整安装包从本地安装或者是选择windows的本地安装。
直接点击exe文件安装即可。 安装过程中
选择“自定义安装”—不要勾选“CUDA- -VS Intergation”不建议勾选“other components”和“other compontens”如果当前版本有版本号就不要勾选了如果不是第一次安装我觉得可以把“CUDA- - Samples”取消掉
CUDA安装完成后打开powershell执行nvcc -V 成功的话会返回cuda版本号。 CUDA Toolkit本地安装包时内含特定版本Nvidia显卡驱动的所以只选择下载CUDA Toolkit就足够了如果想安装其他版本的显卡驱动就下载相应版本即可。 所以NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的也不是一一对应的关系只不过是离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序。 3/ CUDA ToolKit的安装
暂时理解为安装cuda就是安装cuda ToolKit
4/ cuDNN安装cuDNN是一个SDK是一个专门用于神经网络的加速包注意它跟我们的CUDA没有一一对应的关系即每一个版本的CUDA可能有好几个版本的cuDNN与之对应但一般有一个最新版本的cuDNN版本与CUDA对应更好。
官网直接下cuDNN Archive | NVIDIA Developer
解压cuDNN压缩包可以看到bin、include、lib目录打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
找到你安装的版本目录打开找到bin、include、lib目录将cuDNN压缩包内对应的文件复制到bin、include、lib目录。 注意是复制文件到bin、include、lib目录不是复制目录。 4/版本的问题
CUDA Toolkit和 显卡驱动 的版本对应
每个版本的CUDA Toolkit 都对应一个最低版本的显卡驱动版本CUDA Driver详情见下表。显卡驱动下载CUDA Toolkit下载显卡驱动安装教程CUDA Toolkit安装教程1CUDA Toolkit安装教程2 安装CUDA Driver核心命令sudo sh ./NVIDIA-Linux-x86_64-???.??.run 详细教程参考其他博客 需要知道CUDA Toolkit和显卡驱动有版本的对应关系。 但同时在同一台机器上即同一个CUDA Driver版本可以安装多个版本的CUDA如CUDA 9.0、CUDA 10.1……只需要满足当前CUDA Driver版本支持安装的CUDA版本即可满足关系见下图。 我的理解安装CUDA就是安装CUDA ToolkitCUDA是运算平台名称、CUDA Toolkit是工具包就是从官网下载CUDA Toolkit安装.run文件如cuda_9.0.176_384.81_linux.run进行安装。 安装成功后在/usr/local路径下才会有cuda-9.0文件夹且同时才可以使用nvcc -V可以查询到CUDA版本 Anaconda在安装Pytorch时会同时用户安装cudatoolkit如命令conda install pytorch torchvision torchaudio cudatoolkit10.1 -c pytorch其主要包含应用程序在使用CUDA相关的功能时所依赖的动态链接库。conda安装只会安装一些计算库不会安装编译工具。而官方的cuda包包含的东西会完整一些。 使用 Anaconda 安装的 CUDA Toolkit 不位于 lib64 路径中也不会产生冲突 在考虑pip install tensorflow-gpu安装tensorflow时如安装TensorFlow2.1需要安装CUDA Toolkit版本为10.1而安装Tensorflow1.14.0则要求cuda10.0tensorflow与cuda也有版本兼容问题官方文档 查询上图我们发现需要显卡驱动版本应该大于等于418.96故系统中的显卡驱动版本应该至少为418.39。 CUDA Toolkit本地安装包(local)内含特定版本Nvidia显卡驱动的当在CUDA官网下载CUDA Toolkit后进行安装时会让用户选择安装项。 如果想安装其他版本的显卡驱动则就需要在Nvidia官网自己下载并先安装好或本机已经安装了合适版本的显卡驱动时最后在安装CUDA Toolkit时取消安装内置版本的Nvidia显卡驱动。
CUDA / CUDA Toolkit和cuDNN的版本对应
**CUDA / CUDA Toolkit和cuDNN之间有版本对应关系。 但同时同一个CUDA 版本支持安装多个版本的cuDNN如cuDNN v7.6.4、cuDNN v7.6.3……选择其一安装即可。
cuDNN下载cuDNN下载安装教程 查阅cuDNN下载网站可以知道如果目前电脑中安装了CUDA Toolkit10.1也就是CUDA10.1那么cuDNN的可选版本有7.6.4、7.6.3、7.6.2 同上如需要安装TensorFlow2.1故我们需要安装CUDA Toolkit10.1同时cuDNN就需要从7.6.4、7.6.3、7.6.2这三个版本中选择。
5/关于CUDA和Cudnn
5.1 CUDA的命名规则
下面以几个例子来说
1CUDA 9.2 CUDA 9.2.148
2CUDA 10.0 CUDA 10.0.130.411.31后面的411.31对应更具体的版本号
3CUDA 10.1 CUDA 10.1.105.418.96后面的418.96对应更具体的版本号
更多详细的请参考如下官网https://developer.nvidia.com/cuda-toolkit-archive
5.2 如何查看自己所安装的CUDA的版本
1直接在NVIDIA的控制面板里面查看NVCUDA.DLL的版本。
注意这里网上有很多说法是错误的这个版本并不能绝对说明自己所安装的CUDA工具包一定这个版本
2通过命令查看nvcc -V 或者是nvcc --version都可以但前提是添加了环境变量
3直接通过文件查看这里分为Linux和windows两种情况
在windows平台下可以直接进入CUDA的安装目录比如我的是
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2 里面有一个version.txt的文本文件直接打开即可也可以使用命令即首先进入到安装目录然后执行type version.txt 即可查看
在Linux平台下同windows类似进入到安装目录然后执行 cat version.txt 命令
5.3 如何查看自己的cuDNN的版本
因为cuDNN本质上就是一个C语言的H头文件
1在windows平台下
直接进入安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include 之下然后找到
cudnn.h 的头文件直接到开查看在最开始的部分会有如下定义 即5005即5.0.5版本的cudnn。
5.4 NVIDIA显卡及其计算能力查看
官网CUDA GPU | NVIDIA DeveloperGeForce系列的显卡以及各个显卡的计算能力compute capability
