我有一个关于CUDA版本安装在我的系统上,并被有效地使用我的软件的疑问.我做了一些研究,但无法找到一个解决我的疑问.这有助于我在我的理解有点问题,是最相关的是什么,我会问下面是this one.
问题描述:
我用virtualtumentwrapper创建了一个虚拟环境,然后在里面安装了pytorch。
一段时间后,我意识到我没有在我的系统上安装CUDA。
你可以通过做以下事情来找到答案:
第一个月
如果没有返回任何内容,则意味着您没有安装CUDA(据我所知)。
因此,我按照说明here
我用this官方链接安装了CUDA。
然后,我安装了nvidia-development-kit
,sudo apt install nvidia-cuda-toolkit
个
现在,如果在我的虚拟环境中我这样做:nvcc -V
个
我得到:
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Sun_Jul_28_19:07:16_PDT_2019
Cuda compilation tools, release 10.1, V10.1.243
字符串
然而,如果(总是在虚拟环境中)我这样做:python -c "import torch; print(torch.version.cuda)"
个
我得到:10.2
个
这是我不明白的第一件事。我在虚拟环境中使用的是哪个版本的CUDA?
然后,如果我运行示例deviceQuery
(从cuda-samples
文件夹-可以通过此链接安装示例),我会得到:
./deviceQuery
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "NVIDIA GeForce RTX 2080 Super with Max-Q Design"
CUDA Driver Version / Runtime Version 11.4 / 11.4
CUDA Capability Major/Minor version number: 7.5
Total amount of global memory: 7974 MBytes (8361279488 bytes)
(048) Multiprocessors, (064) CUDA Cores/MP: 3072 CUDA Cores
GPU Max Clock rate: 1080 MHz (1.08 GHz)
Memory Clock rate: 5501 Mhz
Memory Bus Width: 256-bit
L2 Cache Size: 4194304 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total shared memory per multiprocessor: 65536 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 1024
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 3 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device supports Managed Memory: Yes
Device supports Compute Preemption: Yes
Supports Cooperative Kernel Launch: Yes
Supports MultiDevice Co-op Kernel Launch: Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.4, CUDA Runtime Version = 11.4, NumDevs = 1
Result = PASS
型
为什么现在提到CUDA版本11.4?是不是因为我用的是NVIDIA_CUDA-11.4_Samples
?
另一个信息如下。如果我检查我的/usr/local
文件夹,我会看到三个与CUDA相关的文件夹。
如果我这样做:cd /usr/local && ll | grep -i CUDA
个
我得到:
lrwxrwxrwx 1 root root 22 Oct 7 11:33 cuda -> /etc/alternatives/cuda/
lrwxrwxrwx 1 root root 25 Oct 7 11:33 cuda-11 -> /etc/alternatives/cuda-11/
drwxr-xr-x 16 root root 4096 Oct 7 11:33 cuda-11.4/
型
这正常吗
谢谢你的帮忙。
2条答案
按热度按时间f87krz0w1#
PyTorch不使用系统的CUDA库。当您使用pip或conda使用预编译的二进制文件安装PyTorch时,它会附带一个本地安装在您的环境中的指定版本的CUDA库的副本。事实上,您甚至不需要在系统上安装CUDA就可以使用支持CUDA的PyTorch。
svdrlsy42#
torch.version.cuda
只是定义为一个字符串。它不会查询任何东西。它不会告诉你安装了哪个版本的CUDA。它只会告诉你安装的PyTorch适用于那个(10.2
)版本的CUDA。但你实际上在系统上运行的CUDA版本是11.4
。如果你安装了PyTorch,比如说,
字符串
那么你也应该在Anaconda目录中有必要的库(
cudatoolkit
),它可能与你的系统级库不同。但是,请注意,这些取决于NVIDIA显示驱动程序:
的数据
安装
cudatoolkit
不会安装驱动程序(nvidia.ko
),您需要在系统上单独安装驱动程序。