use*_*850 3 python gpu anaconda tensorflow cudnn
使用Anaconda在Windows上安装了一个tensorflow-gpu版本,如何检查它的CUDA和CUDNN版本?谢谢。
Sid*_*idK 23
使用以下命令检查 Conda 的 CUDA 安装:
conda list cudatoolkit
Run Code Online (Sandbox Code Playgroud)
以及以下命令来检查 conda 安装的 CUDNN 版本:
conda list cudnn
Run Code Online (Sandbox Code Playgroud)
如果您想通过 CONDA 安装/更新 CUDA 和 CUDNN,请使用以下命令:
conda install -c anaconda cudatoolkit
conda install -c anaconda cudnn
Run Code Online (Sandbox Code Playgroud)
或者,您可以使用以下命令来检查 CUDA 安装:
nvidia-smi
Run Code Online (Sandbox Code Playgroud)
或者
nvcc --version
Run Code Online (Sandbox Code Playgroud)
虽然不是公开记录的 API,但您目前可以像这样访问它:
from tensorflow.python.platform import build_info as tf_build_info
print(tf_build_info.cuda_version_number)
# 9.0 in v1.10.0
print(tf_build_info.cudnn_version_number)
# 7 in v1.10.0
Run Code Online (Sandbox Code Playgroud)
小智 6
您也可以conda list从anaconda命令行运行:
conda list cudnn
# packages in environment at C:\Anaconda2:
#
# Name Version Build Channel
cudnn 6.0 0
Run Code Online (Sandbox Code Playgroud)
从 TensorFlow 2.4.1 开始,我们可以用来tensorflow.python.platform.build_info获取有关二进制文件是针对哪个 CUDA、cuDNN 构建的信息。
>>> import tensorflow
>>> print(tensorflow.__version__)
'2.4.1'
>>> import tensorflow.python.platform.build_info as build
>>> print(build.build_info)
OrderedDict([('cpu_compiler', '/usr/bin/gcc-5'), ('cuda_compute_capabilities', ['sm_35', 'sm_50', 'sm_60', 'sm_70', 'sm_75', 'compute_80']), ('cuda_version', '11.0'), ('cudnn_version', '8'), ('is_cuda_build', True), ('is_rocm_build', False)])
Run Code Online (Sandbox Code Playgroud)
这build.build_info是一个 OrderedDict。因此要获取 CuDNN 和 CUDA 版本:
>>> print(build.build_info['cuda_version'])
11.0
>>> print(build.build_info['cudnn_version'])
8
Run Code Online (Sandbox Code Playgroud)
注意:由于这不是公共 API,因此未来版本中可能会发生变化。在以前的版本中,我们可以from tensorflow.python.platform import build_info as tf_build_info; print(tf_build_info.cuda_version_number)像 jdehesa 的答案中那样做。
| 归档时间: |
|
| 查看次数: |
9616 次 |
| 最近记录: |