kal*_*ger -1 python linux cuda virtual-environment pytorch
我对我的系统上安装的 CUDA 版本以及是否被我的软件有效使用有疑问。\n我在网上做了一些研究，但找不到解决我的疑问的方法。\n这个问题对我的理解有所帮助，并且是与我下面要问的问题最相关的是这个。
\n问题描述：
\n我使用 virtualenvironmentwrapper 创建了一个虚拟环境，然后在其中安装了 pytorch。
\n一段时间后，我意识到我的系统上没有安装 CUDA。
\n您可以通过执行以下操作找到它：
\nnvcc \xe2\x80\x93V
如果没有返回任何内容，则意味着您没有安装 CUDA（据我了解）。
\n因此，我按照这里的说明进行操作
\n我用这个官方链接安装了CUDA。
\n然后，我nvidia-development-kit简单地安装了
sudo apt install nvidia-cuda-toolkit
现在，如果在我的虚拟环境中我这样做：
\nnvcc -V
我得到：
\nnvcc: NVIDIA (R) Cuda compiler driver\nCopyright (c) 2005-2019 NVIDIA Corporation\nBuilt on Sun_Jul_28_19:07:16_PDT_2019\nCuda compilation tools, release 10.1, V10.1.243\n但是，如果（总是在虚拟环境中）我这样做：
\npython -c "import torch; print(torch.version.cuda)"
我得到：
\n10.2
这是我不明白的第一件事。我在虚拟环境中使用哪个版本的 CUDA？
\n然后，如果我运行示例deviceQuery（从文件夹 - 可以通过以下链接cuda-samples安装示例），我会得到：
./deviceQuery \n./deviceQuery Starting...\n\n CUDA Device Query (Runtime API) version (CUDART static linking)\n\nDetected 1 CUDA Capable device(s)\n\nDevice 0: "NVIDIA GeForce RTX 2080 Super with Max-Q Design"\n CUDA Driver Version / Runtime Version 11.4 / 11.4\n CUDA Capability Major/Minor version number: 7.5\n Total amount of global memory: 7974 MBytes (8361279488 bytes)\n (048) Multiprocessors, (064) CUDA Cores/MP: 3072 CUDA Cores\n GPU Max Clock rate: 1080 MHz (1.08 GHz)\n Memory Clock rate: 5501 Mhz\n Memory Bus Width: 256-bit\n L2 Cache Size: 4194304 bytes\n Maximum Texture Dimension Size (x,y,z) 1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)\n Maximum Layered 1D Texture Size, (num) layers 1D=(32768), 2048 layers\n Maximum Layered 2D Texture Size, (num) layers 2D=(32768, 32768), 2048 layers\n Total amount of constant memory: 65536 bytes\n Total amount of shared memory per block: 49152 bytes\n Total shared memory per multiprocessor: 65536 bytes\n Total number of registers available per block: 65536\n Warp size: 32\n Maximum number of threads per multiprocessor: 1024\n Maximum number of threads per block: 1024\n Max dimension size of a thread block (x,y,z): (1024, 1024, 64)\n Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)\n Maximum memory pitch: 2147483647 bytes\n Texture alignment: 512 bytes\n Concurrent copy and kernel execution: Yes with 3 copy engine(s)\n Run time limit on kernels: Yes\n Integrated GPU sharing Host Memory: No\n Support host page-locked memory mapping: Yes\n Alignment requirement for Surfaces: Yes\n Device has ECC support: Disabled\n Device supports Unified Addressing (UVA): Yes\n Device supports Managed Memory: Yes\n Device supports Compute Preemption: Yes\n Supports Cooperative Kernel Launch: Yes\n Supports MultiDevice Co-op Kernel Launch: Yes\n Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0\n Compute Mode:\n < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >\n\ndeviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.4, CUDA Runtime Version = 11.4, NumDevs = 1\nResult = PASS\n为什么现在提到CUDA版本11.4？是因为我正在使用NVIDIA_CUDA-11.4_Samples我猜的吗？
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。
如果我做：
\ncd /usr/local && ll | grep -i CUDA
我得到：
\nlrwxrwxrwx 1 root root 22 Oct 7 11:33 cuda -> /etc/alternatives/cuda/\nlrwxrwxrwx 1 root root 25 Oct 7 11:33 cuda-11 -> /etc/alternatives/cuda-11/\ndrwxr-xr-x 16 root root 4096 Oct 7 11:33 cuda-11.4/\n这正常吗？
\n感谢您的帮助。
\nPyTorch 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，它会附带在您的环境中本地安装的指定版本的 CUDA 库的副本。事实上，您甚至不需要在系统上安装 CUDA 即可使用支持 CUDA 的 PyTorch。