WordPress找不到站点,国外app推广平台有哪些,手机app下载安卓版,h5自己制作模板conda虚拟环境中安装cuda方法、遇到的问题 文章目录 conda虚拟环境中安装cuda方法、遇到的问题conda虚拟环境中安装cudacuda.h和cuda_runtime.hpytorch运行时的CUDA版本其他问题检查包冲突nvcc -V和nvidia-smi显示的版本不一致cuda路径 conda虚拟环境中安装cuda
参考文章…conda虚拟环境中安装cuda方法、遇到的问题 文章目录 conda虚拟环境中安装cuda方法、遇到的问题conda虚拟环境中安装cudacuda.h和cuda_runtime.hpytorch运行时的CUDA版本其他问题检查包冲突nvcc -V和nvidia-smi显示的版本不一致cuda路径 conda虚拟环境中安装cuda
参考文章使用conda管理CUDA。
在跑深度学习项目时很多时候CUDA版本没达到要求重新安装 CUDA 太麻烦更何况一般都没有 root 权限。因此需要调用 conda 自己安装的 CUDA 版本。
创建 conda 环境并激活
# 创建虚拟环境环境
conda create -n 自己输入名称 python版本号
# 激活虚拟环境
conda activate 名称安装指定 CUDA 版本例如 11.8:
conda install cudatoolkit11.8 -c nvidia安装支持 CUDA 的 PyTorch(需要去PyTorch官网找到对应版本)例如 2.4.1:
conda install pytorch2.4.1 torchvision0.19.1 torchaudio2.4.1 pytorch-cuda11.8 -c pytorch -c nvidia安装 cuda-nvcc:
conda install nvidia::cuda-nvcc可以去https://anaconda.org/搜索所有cuda版本的nvcc。 注意 其中第 4 步是最容易遗漏的也很少有博客提到。实测不安装 cuda-nvcc 会导致调用系统自带的 CUDA 。
以上步骤完成后conda就会将cuda添加到该虚拟环境的环境变量中可以使用echo $PATH查看环境变量
cuda.h和cuda_runtime.h
参考文章conda环境中安装cuda.h和cuda_runtime.h。
在conda的虚拟环境中安装cuda后在运行项目时可能会提示缺少cuda.h和cuda_runtime.h文件 解决方法 在该虚拟环境中使用如下命令
conda install nvidia::cuda-cudart-dev
# cudart是cuda runtime的缩写亦可去https://anaconda.org/搜索cuda-cudart-dev对应于cuda的版本
如提示还缺少cusparse.h和cusparse_v2.h可以去https://anaconda.org/搜索libcusparse-dev对应于cuda的版本 也可以直接下载文件 下载下来后可以看到其中有这两个文件复制到虚拟环境cuda路径下.h文件在 conda/envs/虚拟环境名的include文件夹下。
还可能会说缺少以下文件 只要找到对应cuda版本的文件复制到虚拟环境cuda路径下即可。.h文件在 conda/envs/虚拟环境名的include文件夹下。
pytorch运行时的CUDA版本
查看cuda 运行版本 和 编译时的版本
# Pytorch 实际使用的运行时的 cuda 目录
import torch.utils.cpp_extension
torch.utils.cpp_extension.CUDA_HOME
# 编译该 Pytorch release 版本时使用的 cuda 版本
import torch
torch.version.cuda 参考文章一文讲清楚CUDA、CUDA toolkit、CUDNN、NVCC关系。
参考文章python_deep_study系列。
(1)查看pytorch版本:
import torch
print(torch.__version__)(2)查看Pytorch release 版本时使用的 cuda 版本
import torch
print(torch.version.cuda)(3)查看 Pytorch 实际使用的运行时的 cuda 目录可以直接输出 cpp_extension.py 中的 CUDA_HOME 变量:
import torch
import torch.utils
import torch.utils.cpp_extension
print(torch.utils.cpp_extension.CUDA_HOME)其他问题
检查包冲突
pip check #检查使用pip安装的包在当前环境中的兼容性# 可以检查特定包的兼容性
pip check numpy #检查numpy在当前环境中的兼容性nvcc -V和nvidia-smi显示的版本不一致
参考文章【CUDA】nvcc和nvidia-smi显示的版本不一致。
nvcc 属于CUDA的编译器将程序编译成可执行的二进制文件nvidia-smi 全称是 NVIDIA System Management Interface 是一种命令行实用工具旨在帮助管理和监控NVIDIA GPU设备。
CUDA有 runtime api 和 driver api两者都有对应的CUDA版本 nvcc -V 显示的就是前者对应的CUDA版本而 nvidia-smi显示的是后者对应的CUDA版本。
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 安装的。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。
CUDA Toolkit Installer通常会集成了GPU driver Installer如果你的CUDA均通过CUDA Tooklkit Installer来安装那么runtime api 和 driver api的版本应该是一致的也就是说 nvcc -V 和 nvidia-smi 显示的版本应该一样。否则你可能使用了单独的GPU driver installer来安装GPU dirver这样就会导致 nvidia-smi 和 nvcc -V 显示的版本不一致了。
通常driver api的版本能向下兼容runtime api的版本即 nvidia-smi 显示的版本大于nvcc --version 的版本通常不会出现大问题。
cuda路径
机器的cuda路径在/usr/local下。
conda虚拟环境的cuda路径在conda/envs/虚拟环境名的lib或include文件夹下。
