查看cuda cudnn 版本 & 一些常见疑问-Toy模板网

这篇具有很好参考价值的文章主要介绍了查看cuda cudnn 版本 & 一些常见疑问。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、快速确定版

查看cuda

nvcc -V

查看cudnn

dpkg -l | grep cudnn

二、历史方法

有一些已经失效，这里仅仅作为备选

查看cuda

方法一

nvcc -V 或者 nvcc —version

方法二

cat /usr/local/cuda/version.txt 或者 cat /usr/local/cuda/version.json

查看cudnn

方法一

dpkg -l | grep cudnn

方法二

whereis cudnn_version 或者 whereis cudnn.h 获得真实路径。这里以/usr/local/cuda/include/为例

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

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

三、不建议使用的方法

方法一、pytorch 接口

import torch

# 查看torch的版本

print(torch.__version__)

# 查看cuda的版本

print(torch.version.cuda)

# 查看cudnn的版本

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

方法二、nvidia-smi 命令

原因简单介绍

对于算法工程师我们知道一般层级为GPU硬件-GPU驱动（driver）—cuda-(cudnn)-pytorch.

其中cuda 一般也分两种:driver api(nvidia-smi显示的)和runtime api (nvcc -v等显示的)。用于支持driver api的必要文件由 GPU driver installer 安装，nvidia-smi就属于这一类API；而用于支持runtime api的必要文件是由 CUDA Toolkit installer 安装。nvcc是与CUDA Toolkit一起安装的CUDA compiler-driver tool，它只知道它自身构建时的CUDA runtime版本，并不知道安装了什么版本的GPU driver，甚至不知道是否安装了GPU driver。如果driver API和runtime API的CUDA版本不一致可能是因为你使用的是单独的GPU driver installer，而不是CUDA Toolkit installer里的GPU driver installer。一般现在大家使用docker 开发技术，宿主机安装driver， docker 内部安装cuda cudnn，这时一般nvidia-smi 和 nvcc -v 的结果便是不一样的，通常driver api 的版本能向下兼容 runtime api 的版本。

Nvidia 驱动和cuda对应表： CUDA 12.0 Release Notes — cuda-toolkit-release-notes 12.0 documentation

Conda安装的CUDA Toolkit和NVIDIA的CUDA Toolkit区别：Nvidia 官方提供的 CUDA Toolkit 是一个完整的工具安装包，其中提供了 Nvidia 驱动程序、开发 CUDA 程序相关的开发工具包等可供安装的选项。 Pytorch 之类的深度学习框架，一般仅使用 CUDA 的动态链接库支持程序的运行( Pytorch 本身与 CUDA 相关的部分是提前编译好的 )，就像常见的可执行程序一样。

Pytorch 接口输出的 cuda 的版本并不一定是 Pytorch 在实际系统上运行时使用的 cuda 版本，而是编译该 Pytorch release 版本时使用的 cuda 版本。　　 torch.version.cuda 是位于 torch/version.py 中的一个变量， Pytorch 在基于源码进行编译时，通过tools/setup_helpers/cuda.py 来确定编译 Pytorch 所使用的 cuda 的安装目录和版本号。