Cuda环境及Pytorch环境安装
将之前写的环境配置中的cuda环境配置部分单独拆分出来
目录
- 1 pytorch与cuda适配
- 1.0 cuda基础
- 1.1 cuda安装及多版本支持
- 1.1.0 cuda驱动
- 1.1.0.1 驱动安装
- 1.1.1 cuda安装
- 1.1.1.0 deb方式安装
- 1.1.1.1 离线包安装方法
- 1.1.2 cuda版本切换和环境变量设置
- 1.1.3 cuda卸载
- 1.2 cudnn安装
- 1.2.1 tar包安装方法
- 1.2.1.1 安装cuDNNtar包
- 1.2.1.2 验证cudnn安装成功
- 1.2.1.3 更换cuDNN版本
- 1.2.2 deb安装方法
- 1.2.2.1 下载说明
- 1.2.2.2 deb安装步骤
- 1.2.2.3 验证是否安装成功
- 1.3 pytorch安装
- 1.3.0 pytorch基础
- 1.3.0.1 pytorch寻找可用CUDA的路径
- 1.3.0.2 注意事项
- 1.3.1 pytorch安装
- 1.3.2 pytorch版本依赖
- 1.3.3 检查pytorch及显卡参数
- 1.3.3.1 检查pytorch是否安装成功
- 1.3.3.1 CPU设备性能查询
- 3 配置开发环境遇到的问题
- 3.1 conda install pytorch==1.7.1 torchvision==0.8.2 ...出现警告
- 3.2 mmcv==2.0.0安装错误
- 3.3 ...libcublas.so.11: symbol free_gemm_select version libcublasLt.so.11 not defined in file libcublasLt.so.11 with link time reference
- 3.4 pytorch默认安装的是cpu版
- 3.5 nvidia-smi命令报错Failed to initialize NVML: Driver/library version mismatch
1 pytorch与cuda适配
在解决配置开发环境遇到的问题3.3中遇到cuda和pytorch版本冲突问题，在此处总结。
1.0 cuda基础
系统的Nvidia Driver决定着系统最高可以支持什么版本的cuda和cudatoolkit。
cuda和cudatoolkit不同，CUDA 是 NVIDIA 推出的一种并行计算平台和编程模型，可以在 NVIDIA GPU 上运行（/usr/local/cuda就是系统安装的cuda的软链接）；CUDA Toolkit 是 NVIDIA 提供的一套开发工具，它包含了用于开发 CUDA 应用程序所需的各种工具，如编译器、调试器和库。
因此，CUDA 和 CUDA Toolkit 是有关系的，CUDA 是并行计算平台和编程模型，而 CUDA Toolkit 是一套开发工具。
CUDA Toolkit和Nvidia Driver有版本的对应关系:
在同一台机器上（即同一个CUDA Driver版本）可以安装多个版本的CUDA（如CUDA 9.0、CUDA 10.1……只需要满足当前CUDA Driver版本支持安装的UDA版本即可。
CUDA Toolkit和cuDNN之间有版本对应关系：同一个CUDA Toolkit版本支持安装多个版本的cuDNN（如cuDNN v7.6.4、cuDNN v7.6.3……选择其一安装即可。
查阅cuDNN下载网站，可以知道，如果目前电脑中安装了CUDA Toolkit