NIVDIA控制面板与电脑“应用”CUDA、cmd下nvcc --version命令显示版本不同-Toy模板网

这篇具有很好参考价值的文章主要介绍了NIVDIA控制面板与电脑“应用”CUDA、cmd下nvcc --version命令显示版本不同。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。

背景

最初官方驱动 | NVIDIA安装CUDA11.6+cudnn8.3CUDA Deep Neural Network (cuDNN) | NVIDIA Developer，后显卡驱动自动更新，环境都可使用，但以后新装不知该以哪个为准。

背景

一、查看CUDA版本信息：

1.1 cmd版本CUDA 11.6：

1.2 电脑驱动显示12.3和11.6

1.2.1 NIVIDIA控制面板显示cuda版本12.3

1.2.2 设置—应用—CUDA11.6

二、以哪个版本为准

**更新NVIDIA Studio 驱动程序一般不会同时自动更新CUDA？

三、环境中的版本（pytoch为例）

3.1 查看版本代码

3.2 不同环境下的版本信息

一、查看CUDA版本信息：

问题：不同方法查看不一样啊

1.1 cmd版本CUDA 11.6：

nvcc --version
nvcc -V

显示：cuda版本为11.6 nvcc -v的cuda版本,环境安装,深度学习,人工智能

1.2 电脑驱动显示12.3和11.6

1.2.1 NIVIDIA控制面板显示cuda版本12.3

NIVIDIA控制面板打不开了：

待补图 nvcc -v的cuda版本,环境安装,深度学习,人工智能

本来安装是11.6的（即：NIVIDIA控制面板显示cuda版本11.6），后自动更新了显卡驱动

nvcc -v的cuda版本,环境安装,深度学习,人工智能

1.2.2 设置—应用—CUDA11.6

但是在这里依旧为 11.6

nvcc -v的cuda版本,环境安装,深度学习,人工智能

二、以哪个版本为准

nvcc --version显示CUDA版本为11.6，但是CUDA驱动显示版本为12.2，我安装pytorch以哪个版本为准？——未验证

        在这种情况下，应该以NVIDIA控制面板中显示的CUDA版本为准，因为控制面板提供了系统中GPU驱动程序的准确版本信息。控制面板中显示的版本是与系统GPU硬件和驱动程序实际兼容的版本。
        因此，你应该选择一个与NVIDIA控制面板中显示的CUDA 12.2版本兼容的PyTorch版本。确保安装与CUDA 12.2兼容的PyTorch版本，以便在深度学习任务中充分利用GPU加速。
        通常，你可以在PyTorch的官方网站或PyTorch的GitHub仓库中找到与特定CUDA版本兼容的PyTorch版本信息。请查阅官方文档以确保你选择的PyTorch版本与你的CUDA版本兼容，以便确保系统的稳定性和性能。

**更新NVIDIA Studio 驱动程序一般不会同时自动更新CUDA？

        更新NVIDIA Studio驱动程序通常不会自动更新CUDA。CUDA是NVIDIA的计算平台，用于加速GPU计算，而驱动程序是与GPU硬件通信的软件。尽管两者紧密相关，但它们通常是独立的组件。
         更新NVIDIA Studio驱动程序通常会改善GPU的性能和稳定性，但不会涉及到CUDA工具包的升级。如果你需要更新CUDA版本，你通常需要手动下载和安装适用于你的CUDA版本的CUDA工具包。
        请注意，在更新CUDA工具包之前，你应该确保与新版本兼容的GPU驱动程序可用。因此，为了系统的稳定性和性能，你可能需要进行一些额外的协调，以确保驱动程序、CUDA工具包和深度学习框架（如PyTorch或TensorFlow）之间的兼容性。
        在安装新的CUDA工具包之前，建议查阅NVIDIA官方文档以获取有关CUDA版本和GPU驱动程序的兼容性信息。

三、环境中的版本（pytoch为例）

注意：环境中的cuda和cudnn都不大于本人电脑上cuda和cudnn的“最小版本”（暂时称最小版本）

PyTorch官网

3.1 查看版本代码

import torch

print(torch.__version__)

print(torch.version.cuda)

# 查看cudnn版本
print(torch.backends.cudnn.version())

import torch

# 检查CUDA是否可用
if torch.cuda.is_available():
    # 获取CUDA设备数量
    print(f"Number of CUDA devices available: {torch.cuda.device_count()}")

    # 获取当前使用的CUDA设备
    current_device = torch.cuda.current_device()
    print(f"Current CUDA device: {torch.cuda.get_device_name(current_device)}")

    # 获取CUDA版本
    print(f"CUDA version: {torch.version.cuda}")
else:
    print("CUDA is not available on this system.")