如何获得cuda版本？

Question

是否有任何快速命令或脚本来检查安装的CUDA版本？

我在安装目录下找到了4.0的手册,但我不确定它是否是实际安装的版本.

Answer 1

正如Jared在评论中提到的,从命令行:

nvcc --version

(或/usr/local/cuda/bin/nvcc --version)给出CUDA编译器版本(与工具包版本匹配).

从应用程序代码中,您可以使用查询运行时API版本

cudaRuntimeGetVersion()

或驱动程序API版本

cudaDriverGetVersion()

正如Daniel指出的那样,deviceQuery是一个SDK示例应用程序,它可以查询上述内容以及设备功能.

正如其他人所说,你也可以检查使用的内容version.txt(例如,在Mac或Linux上)

cat /usr/local/cuda/version.txt

但是,如果安装了另一个版本的CUDA工具包而不是符号链接/usr/local/cuda的版本,如果您的版本早于PATH上述版本,则可能会报告不准确的版本,因此请谨慎使用.

Answer 2

在Ubuntu Cuda V8上:

$ cat /usr/local/cuda/version.txt

Answer 3

其他回复者已经描述了可以使用哪些命令来检查 CUDA 版本。在这里，我将描述如何将这些命令的输出转换为“10.2”、“11.0”等形式的环境变量。

回顾一下，您可以使用

nvcc --version

找出 CUDA 版本。我认为这应该是您的第一个停靠港。如果您安装了多个版本的 CUDA，此命令应打印出 PATH 中最高版本的副本。

输出如下所示：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Thu_Jun_11_22:26:38_PDT_2020
Cuda compilation tools, release 11.0, V11.0.194
Build cuda_11.0_bu.TC445_37.28540450_0

我们可以通过 sed 传递此输出来仅选出 MAJOR.MINOR 发行版本号。

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Thu_Jun_11_22:26:38_PDT_2020
Cuda compilation tools, release 11.0, V11.0.194
Build cuda_11.0_bu.TC445_37.28540450_0

如果 nvcc 不在您的路径上，您应该能够通过指定 nvcc 默认位置的完整路径来运行它。

CUDA_VERSION=$(nvcc --version | sed -n 's/^.*release \([0-9]\+\.[0-9]\+\).*$/\1/p')

其输出结果与上面相同，同样可以进行解析。

或者，您可以从 version.txt 文件查找 CUDA 版本。

/usr/local/cuda/bin/nvcc --version

其中的输出

CUDA Version 10.1.243

可以使用 sed 进行解析以仅选出 MAJOR.MINOR 发行版本号。

cat /usr/local/cuda/version.txt

请注意，有时 version.txt 文件引用与nvcc --version. 在这种情况下，nvcc 版本应该是您实际使用的版本。

我们可以将这三种方法结合在一起，以便稳健地获得 CUDA 版本，如下所示：

CUDA Version 10.1.243

此环境变量对于下游安装非常有用，例如当 pip 安装为正确的 CUDA 版本编译的 pytorch 副本时。

CUDA_VERSION=$(cat /usr/local/cuda/version.txt | sed 's/.* \([0-9]\+\.[0-9]\+\).*/\1/')

同样，您可以在未安装 CUDA 时安装 CPU 版本的 pytorch。

if nvcc --version 2&> /dev/null; then
    # Determine CUDA version using default nvcc binary
    CUDA_VERSION=$(nvcc --version | sed -n 's/^.*release \([0-9]\+\.[0-9]\+\).*$/\1/p');

elif /usr/local/cuda/bin/nvcc --version 2&> /dev/null; then
    # Determine CUDA version using /usr/local/cuda/bin/nvcc binary
    CUDA_VERSION=$(/usr/local/cuda/bin/nvcc --version | sed -n 's/^.*release \([0-9]\+\.[0-9]\+\).*$/\1/p');

elif [ -f "/usr/local/cuda/version.txt" ]; then
    # Determine CUDA version using /usr/local/cuda/version.txt file
    CUDA_VERSION=$(cat /usr/local/cuda/version.txt | sed 's/.* \([0-9]\+\.[0-9]\+\).*/\1/')

else
    CUDA_VERSION=""

fi

但要小心这一点，因为当您打算获得 GPU 支持时，您可能会意外安装仅支持 CPU 的版本。例如，如果您在没有 GPU 的服务器登录节点上运行安装脚本，那么您的作业将部署到有 GPU 的节点上。在这种情况下，登录节点通常不会安装 CUDA。

Answer 4

使用以下命令检查 Conda 的 CUDA 安装：

conda list cudatoolkit

以及以下命令来检查 conda 安装的 CUDNN 版本：

conda list cudnn

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

或者，您可以使用以下命令来检查 CUDA 安装：

nvidia-smi

或者

nvcc --version

如果您通过 Anaconda 包使用 tensorflow-gpu（您可以通过简单地在控制台中打开 Python 并检查默认 python 启动时是否显示 Anaconda, Inc. 来验证这一点，或者您可以运行 which python 并检查位置），然后手动安装 CUDA 和 CUDNN 很可能不起作用。您将不得不通过 conda 进行更新。

如果您想手动安装 CUDA、CUDNN 或 tensorflow-gpu，您可以查看此处的说明https://www.tensorflow.org/install/gpu

Answer 5

在Ubuntu上:

尝试

$ cat /usr/local/cuda/version.txt 要么 $ cat /usr/local/cuda-8.0/version.txt

有时文件夹名为"Cuda-version".

如果以上都$ /usr/local/ 不起作用,请尝试去 找到您的Cuda文件夹的正确名称.

输出应类似于: CUDA Version 8.0.61

Answer 6

对于CUDA版本:

nvcc --version

对于cuDNN版本:

对于Linux:

使用以下命令查找cuDNN的路径:

$ whereis cuda
cuda: /usr/local/cuda

然后使用它从头文件中获取版本,

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

对于Windows,

使用以下命令查找cuDNN的路径:

C:\>where cudnn*
C:\Program Files\cuDNN7\cuda\bin\cudnn64_7.dll

然后使用它从头文件转储版本,

type "%PROGRAMFILES%\cuDNN7\cuda\include\cudnn.h" | findstr CUDNN_MAJOR

Answer 7

如果你跑

nvidia-smi

您应该在命令输出的右上角找到CUDA版本。至少我发现CUDA版本10.0的输出例如

Answer 8

如果您安装了 PyTorch，则只需在 IDE 中运行以下代码即可：

import torch

print(torch.version.cuda)

Answer 9

如果您已安装CUDA SDK,则可以运行"deviceQuery"以查看CUDA的版本

Answer 10

在 Windows 10 上，我在“C:\Program Files\NVIDIA Corporation\NVSMI”中找到了 nvidia-smi.exe；在 cd 进入该文件夹（在我的情况下不在 PATH 中）和“.\nvidia-smi.exe”之后，它显示

Answer 11

我也想知道这些信息，以便我可以安装 PyTorch，以便它可以在我的 Window 10 系统上利用我的 GPU。我可以从我的 NVidia 控制面板找到此信息。如果你有Windows系统但没有安装这个，你可以在这里获取它：

https://nvidia.custhelp.com/app/answers/detail/a_id/4733/~/nvidia-control-panel-windows-store-app

安装完成后，找到并启动 NVIDIA 控制面板：

一旦启动，在左下角，单击 **onc sec, ** 链接：

在此页面中，单击“组件”选项卡。这就是我发现我安装了 CUDA 11.7 的方式。

Answer 12

您可能会发现 CUDA-Z 很有用，这是他们网站上的引用：

“这个程序的诞生是对 CPU-Z 和 GPU-Z 等其他 Z 实用程序的模仿。CUDA-Z 显示了有关支持 CUDA 的 GPU 和 GPGPU 的一些基本信息。它适用于 nVIDIA Geforce、Quadro 和 Tesla 卡、ION芯片组。”

http://cuda-z.sourceforge.net/

在支持选项卡上有源代码的 URL：http : //sourceforge.net/p/cuda-z/code/下载实际上不是安装程序而是可执行文件本身（没有安装，所以这是“快速”）。

此实用程序提供了大量信息，如果您需要知道它是如何派生的，则可以查看源。您可能会搜索其他与此类似的实用程序。

Answer 13

可以cuda通过在终端中键入以下内容来获取版本：

$ nvcc -V

# below is the result
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85

或者，可以通过首先使用以下命令查找安装目录来手动检查版本：

$ whereis -b cuda         
cuda: /usr/local/cuda

然后cd进入该目录并检查 CUDA 版本。

Answer 14

如果nvcc --version不适合你那么使用cat /usr/local/cuda/version.txt

Answer 15

使用张量流：

import tensorflow as tf
from tensorflow.python.platform import build_info as build
print(f"tensorflow version: {tf.__version__}")
print(f"Cuda Version: {build.build_info['cuda_version']}")
print(f"Cudnn version: {build.build_info['cudnn_version']}")

张量流版本：2.4.0

CUDA版本：11.0

库德恩版本：8

Answer 16

如果您安装了多个 CUDA，则系统中加载的一个是与“nvcc”关联的 CUDA。因此，“nvcc --version”显示您想要的内容。