如何查看自己的CUDA版本号:直接在命令行输入 nvcc -V
由于目前tensorflow/pytorch依赖的CUDA版本都在10.0以上,那么当前电脑现有的CUDA版本号能够升级呢?
CUDA版本号与显卡驱动版本号应该是有对应关系的,那么如何查看系统显卡驱动版本号呢?
利用nvidia-smi可以查看NVIDIA 显卡信息。
在命令行直接输入:nvidia-smi
(The NVIDIA System Management Interface (nvidia-smi) is a command line utility)
可以得到如下结果:
可以看到系统显卡驱动版本号为441.22,对应的CUDA版本号为10.2
这里利用nvidia-smi得到的CUDA版本号和利用nvcc -V得到的CUDA版本号不一致,很奇怪!
这个地方网上有很多解释,但是感觉都没有说的很清楚。
个人的理解是,CUDA有两个版本,一个是driver version,跟GPU驱动绑定在一起的,另一个是runtime version,这个是利用cuda toolkit独立安装的。利用nvidia-smi得到的CUDA版本使CUDA driver version,而利用nvcc -V得到的CUDA版本使runtime version。一般程序运行的时候调用的应该是runtime version。至于driver version有什么用还不是很清楚,可能是跟GPU驱动相关的应用。因此,两种CUDA版本不一致就很正常了,因为不是一个东西,而在使用的时候GPU驱动版本和CUDA runtime version是有限定关系的,具体的关系可以查看其它资料,这里要说明的是 GPU驱动版本对应的CUDA driver version不小于CUDA runtime version,否则可能会报错。
CUDA的安装,可以参考以下链接:
https://www.cnblogs.com/arxive/p/11198420.html
由于官网下载速度太慢了,国内可以直接利用百度网盘下载相关的资源,当前版本的百度网盘链接:
https://download.csdn.net/download/qq_43209936/12898024?utm_source=bbsseo
该链接内同时提供了cuDNN,可以解压后直接复制到CUDA安装目录的对应文件夹下即可。cuDNN是基于CUDA的深度神经网络GPU加速库。
GPU、CUDA、cuDNN的理解及其关系可以参考这个链接:
https://blog.csdn.net/xinyuski/article/details/84666809
pip更新库:pip install --upgrade name
conda更新库:conda update name
conda更新所有:conda update --all
conda创建环境:conda create -n my_py_env python=3.6.2
更新包的过程中竟然出现了这样的问题:
conda挂了,相关的命令输出都是[y/N],网上查了一下说是要重装anaconda,要哭了。。。
安装完conda后创建虚拟环境;然后通过设置.condarc文件配置conda镜像源,默认情况下.condarc文件是不存在的,这时需要在命令行运行conda config来生成.condarc文件。
然后讲以下内容粘贴到.condarc中,此处参考清华镜像官方网站推荐内容,不过直接粘贴原始内容依然无法改变下载时的镜像源,这里稍微做了修改。
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
show_channel_urls: true
这样利用conda下载数据包时便可以直接从镜像源下载,如下所示:
安装PyTorch的过程中又出现了问题,貌似当前的PyTorch仅支持CUDA11.0,而我电脑上安装的是CUDA11.1,因此产生了不兼容问题,需要把CUDA11.1卸载了。。。
安装PyTorch,可以参考官网:
conda install pytorch -c pytorch
在 Windows 下安装 COCO API(pycocotools)可以参考以下博客:
https://blog.csdn.net/u013066730/article/details/98030507