安装NVIDIA显示驱动后还需要单独安装cuda吗？

Question

cuda已经包含在显卡显示驱动的安装中了吗？根据https://www.asus.com/Graphics-Cards/GT710-SL-2GD5/specifications/，该卡有 192 个 cuda 核心，根据https://www.techpowerup.com/gpu-specs/有 Cuda 3.5 Geforce-GT-710.c1990。它显然支持 cuda，因此我希望它已经安装。

来自/sf/ask/680938191/来查找 cuda 版本。该链接的 Windows 10 快捷方式对我不起作用。

我现在假设 cuda 需要与https://developer.nvidia.com/cuda-toolkit分开安装，这是真的吗？

Answer 1

提前结果：

• 除了显示驱动程序之外，还需要安装 Cuda，除非您将 conda 与 cudatoolkit 一起使用或将 pip 与 cudatoolkit 一起使用。
• 如果您使用pip 而不使用 cudatoolkit或从源代码安装 Tensorflow 和 Pytorch，则需要安装 CUDA 系统。
• 如果使用 conda，Tensorflow 和 Pytorch 不需要安装 CUDA 系统（推荐）。Pytorch 的 conda install 命令需要 conda install 参数“cudatoolkit”，而 TensorFlow 则不需要该参数。

在下文中，“CUDA Toolkit”（独立的，您将在 Python 之外安装在系统上的工具包）和 cudatoolkit (conda) 是不同的！

• Pytorch 与 conda：请参阅https://pytorch.org/get-started/locally/。不建议手动安装“cudatoolkit”和 cudnn，请使用 conda install 命令及其所有依赖项。目前，可以选择最高版本为10.2的“cudatoolkit”作为conda安装参数。您不需要系统“CUDA Toolkit”，请参阅@jodag /sf/ask/4207138141/。
• 独立/系统 CUDA 工具包：带有可执行安装：如果您需要将其用于 anaconda 之外的其他用途，则使用https://developer.nvidia.com/cuda-toolkit称为“CUDA 工具包”。您可以使用 pip 完成此操作，但 pytorch 不推荐这样设置，因为 pytorch 推荐conda：“Anaconda 是我们推荐的包管理器，因为它安装了所有依赖项。” 由于 conda 无法使用“CUDA Toolkit”，请参阅如何使用 NVIDIA“cuda toolkit”版本而不是官方 conda“cudatoolkit”版本运行 pytorch？，也不建议使用“CUDA Toolkit”，这对于 Tensorflow 应该意味着相同 - 确实如此，请参阅最后一个要点。
• 来自源代码的 Pytorch（如果您有较旧的显卡，并且需要构建具有所有依赖项的自己的 pytorch 版本）：在安装 pytorch 之前使用独立/系统 CUDA 工具包和独立/系统 cuDNN，请参阅https://github.com/ pytorch/pytorch/issues/17445#issuecomment-466791886和https://www.youtube.com/watch?v=sGWLjbn5cgs的指南。经过多次尝试才成功从源安装，请参阅此处。在我可能的特殊情况下，只有在 MKL ON & NINJA OFF 的情况下安装才成功。
• Tensorflow：带有可执行文件（独立）安装+ pip / condatensorflow+tensorflow-gpu：目前最多可以安装“CUDA Toolkit”版本10.1，请参阅https://www.tensorflow.org/install/gpu --> https ://developer.nvidia.com/cuda-toolkit-archive。编辑：请注意，建议使用 Anaconda 安装tensorflow，请参阅/sf/ask/3152828031/#63396682和指南在https://machinelearningspace.com/installing-tensorflow-2-0-in-anaconda-environment/。使用anaconda安装程序（http://anaconda.org/ conda install tensorflow-gpu）时，不需要安装系统“CUDA Toolkit”（独立的，意思是在Python之外）。通过 pip，您可以使用“CUDA Toolkit”(1.)，但您不应该！您还可以使用 pip 安装“cudatoolkit”(2.)，但也不建议这样做。原因：在两个 pip 安装 (1./2.) 中，无法保证您的依赖项在所有设置中都有效。相反，NVIDIA 推荐 Conda，因为它可以处理依赖关系。

编辑：我发现了一个也被评论的例子：当 conda 不起作用时，pip 有时起作用。UnsatisfiableError: 找到 CUDA 驱动程序的不兼容规范，即使我有规范中的版本，并且 pip 安装正常 - 安装 PyMC3 和 tensorflow。也许是老例子，但只是一个提示。因此：尝试 conda，只有当它不起作用时，才尝试 pip。

####

详细信息（仅供参考）：

为什么不直接测试需要 cuda 的安装来找出答案。转到https://pytorch.org/get-started/locally/，您将conda install pytorch torchvision cudatoolkit=10.2 -c pytorch在 conda 提示符中获得安装命令。它选择安装版本10.2。如果 cuda 与显示驱动程序一起提供，则不会安装 cuda。

安装后会安装一个cuda工具包：

将安装以下新软件包：

cudatoolkit pkgs/main/win-64::cudatoolkit-10.2.89-h74a9793_1

然后我们看到cudatoolkit-10.2.89 | 317.2 MB 可能太大，无法合理地包含在显示驱动程序中。其中C:\Program Files (x86)\NVIDIA Corporation，只有三个cuda命名的dll文件，大小几百KB。

ps：发行说明中提到的cuda 11.0只是给我们提供支持信息，而不是实际安装。我也看过发行说明。它在“软件模块版本”下列出了 cuda 11.0，是的。然而后来在“新功能和其他变化”下，它只是说“支持 CUDA 11.0。”，请参阅https://us.download.nvidia.com/Windows/451.67/451.67-win10-win8-win7-release-notes.pdf。

来自/sf/ask/680938191/：

• 接受的答案指出您需要安装 nvidia-cuda-toolkit 才能运行版本命令（虽然不是指 Windows，但在 Windows 上是相同的）。
• nvidia-smi使用获取右上角版本的答案被拒绝为错误，因为它仅显示支持哪个版本。它不显示 Cuda 是否实际安装。@BruceYo 评论：[命令 nvidia-smi]“即使没有安装 CUDA，也会显示 CUDA 版本。”

这再次表明 cuda 未包含在显示驱动程序安装中。