- 最佳方式---pytorch方法
- linux
- windows
在conda 环境中进入python模型:
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.backends.cudnn.version())
另外,记录常用指令
cuda是否可用
torch.cuda.is_available()
安装指定版本pytorch
pip install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html
linux
查看cuda
# 方式一:
nvcc --version
nvcc -V
# 方式二:
cat /usr/local/cuda/version.txt
查看cudnn
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
windows
查看cuda
# 方式一:
nvcc --version
nvcc -V
# 方式二:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
查看cudnn
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.x\include\cudnn.h
如果不知道安装路径,或者安装了多个版本的 CUDA,可以去环境变量内查看 CUDA_PATH
或 path
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)