是否有任何快速命令或脚本来检查已安装的CUDA版本?
我在安装目录下找到了4.0手册,但不确定该手册是否为实际安装的版本。
nvcc --version
产生The program 'nvcc' is currently not installed. You can install it by typing: sudo apt install nvidia-cuda-toolkit
但是nvidia-smi
包含CUDA Version: 10.1
。
是否有任何快速命令或脚本来检查已安装的CUDA版本?
我在安装目录下找到了4.0手册,但不确定该手册是否为实际安装的版本。
nvcc --version
产生The program 'nvcc' is currently not installed. You can install it by typing: sudo apt install nvidia-cuda-toolkit
但是nvidia-smi
包含CUDA Version: 10.1
。
Answers:
正如Jared在评论中提到的那样,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,您可以使用以下命令查询运行时API版本
cudaRuntimeGetVersion()
或带有的驱动程序API版本
cudaDriverGetVersion()
正如Daniel所指出的,deviceQuery是一个SDK示例应用程序,可以查询上述内容以及设备功能。
如其他人所述,您还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CUDA工具包的另一个版本,而不是从进行符号链接/usr/local/cuda
的版本,则如果您的版本PATH
比上述版本早,则可能报告的版本不正确,因此请谨慎使用。
nvidia-cuda-tools
才能使此命令起作用。正义类型sudo apt install nvidia-cuda-toolkit
nvcc
,应该在/usr/local/cuda/bin/
。
cat /usr/local/cuda/version.txt
。nvcc --version
如果安装了nvidia-toolkit,则可以使用流行的方法,但是,如果只有cuda运行时,则可能不存在nvcc。@RutgerHofste可能指出了这种情况。例如(Tensorflow设置说明未安装nvcc)
在Ubuntu Cuda V8上:
$ cat /usr/local/cuda/version.txt
nvcc
(需要管理员权限)
nvidia-smi
只输出较旧版本的驱动程序版本。
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中转储版本,
type "%PROGRAMFILES%\cuDNN7\cuda\include\cudnn.h" | findstr CUDNN_MAJOR
在Ubuntu上:
尝试
$ cat /usr/local/cuda/version.txt
要么
$ cat /usr/local/cuda-8.0/version.txt
有时,该文件夹被命名为“ Cuda-version”。
如果以上方法均$ /usr/local/
无效,请尝试转到
并查找您的Cuda文件夹的正确名称。
输出应类似于:
CUDA Version 8.0.61
使用以下命令检查Conda的CUDA安装:
conda list cudatoolkit
并使用以下命令检查conda安装的CUDNN版本:
conda list cudnn
如果要通过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
要么
nvcc --version
如果您通过Anaconda软件包使用tensorflow-gpu(您可以通过在控制台中打开Python并在启动时检查默认python是否显示Anaconda,Inc.进行验证,或者可以运行哪个python并检查位置),然后手动进行安装CUDA和CUDNN很可能行不通。您将不得不通过conda更新。
如果要手动安装CUDA,CUDNN或tensorflow-gpu,可以在此处查看说明https://www.tensorflow.org/install/gpu
您可能会发现CUDA-Z有用,这是他们网站的引文:
“该程序的诞生是对其他Z实用程序(例如CPU-Z和GPU-Z)的模仿。CUDA-Z显示了支持CUDA的GPU和GPGPU的一些基本信息。它可与nVIDIA Geforce,Quadro和Tesla卡,ION一起使用。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/,下载的内容实际上不是安装程序,而是可执行文件本身(没有安装,因此“快速” ”)。
该实用程序提供了很多信息,如果您需要了解它是如何派生的,请查看源代码。您可能还会搜索与此类似的其他实用程序。
可以cuda
通过在终端中键入以下命令来获取版本:
$ 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,可以使用以下方法首先找到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。
安装CUDA后,可以通过以下方法检查版本:nvcc -V
我已经安装了5.0和5.5,所以它给
Cuda编译工具,版本5.5,V5.5,0
该命令适用于Windows和Ubuntu。
除了上述提到的以外,您的CUDA安装路径(如果在安装过程中未更改)通常包含版本号
做一个 which nvcc
应该给的路径,这将给你版本
PS:这是一种快速而肮脏的方式,以上答案更加优雅,并且需要付出大量努力才能得出正确的版本
/usr/bin/nvcc
。nvcc --version
是要走的路。
如果nvcc --version不适合您,请使用cat /usr/local/cuda/version.txt
我得到/ usr / local-没有这样的文件或目录。虽然nvcc -V给
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Sun_Sep__4_22:14:01_CDT_2016
Cuda compilation tools, release 8.0, V8.0.44
使用CUDA Runtime API C ++包装器以编程方式:
auto v1 = cuda::version::maximum_supported_by_driver();
auto v2 = cuda::version::runtime();
这为您提供了一个cuda::version_t
结构,您可以对其进行比较并进行流处理,例如:
if (v2 < cuda::version_t{ 8, 0 } ) {
std::cerr << "CUDA version " << v2 << " is insufficient." std::endl;
}
您可以使用来检查CUDA的版本
nvcc -V
或者你可以使用
nvcc --version
或者您可以检查CUDA使用的位置
whereis cuda
然后做
cat location/of/cuda/you/got/from/above/command
$ nvcc --version
通常是感兴趣的版本号。