CUDA，PyTorch，GCC 之间的版本关系

最近在配置深度学习环境，CUDA，PyTorch，GCC 之间的版本关系是特别需要注意的事情，否则代码根本运行不起来，或者运行报错。

PyTorch

首先 PyTorch 的不同版本是不完全兼容的，所以在配置环境时要看清楚要求的版本，然后 PyTorch 对 CUDA 的版本有要求，可以通过接口查看支持的 CUDA 最高版本：

bash 复制代码

import torch
print(torch.__version__)
print(torch.cuda_is_available())

或者直接使用以下命令去查看安装的有哪些库：

bash 复制代码

pip list

CUDA与nvidia driver版本之间的对应关系

	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 12.2.x	>=525.60.13	>=525.41
CUDA 12.1.x	>=525.60.13	>=527.41
CUDA 12.0.x	>=525.60.13	>=527.41
CUDA 11.8.x	>=450.80.02	>=452.39
CUDA 11.7.x	>=450.80.02	>=452.39
CUDA 11.6.x	>=450.80.02	>=452.39
CUDA 11.5.x	>=450.80.02	>=452.39
CUDA 11.4.x	>=450.80.02	>=452.39
CUDA 11.3.x	>=450.80.02	>=452.39
CUDA 11.2.x	>=450.80.02	>=452.39
CUDA 11.1 (11.1.0)	>=450.80.02	>=452.39
CUDA 11.0 (11.0.3)	>=450.36.06**	>=451.22**

使用以下命令查看自己的CUDA版本：

bash 复制代码

nvcc --version

使用以下命令查看自己的nvidia driver版本：

bash 复制代码

nvidia-smi

如何想更换显卡的CUDA版本，但是没有管理员权限，可参考以下链接的文章：
https://blog.csdn.net/qq_45729306/article/details/143873069

CUDA与GCC之间的对应关系

在踩了无数次坑之后，终于发现CUDA能否正常使用，还与GCC之间有密切的关系，否则代码还是会运行不起来，反正我的是这样（计算机视觉领域）。但是有意思的是我的另一台服务器安装的GCC版本为7.5.0，CUDA版本为11.7，虽然不符合下面表格中的对应关系，但是代码依然可以运行起来，头大了。所以这部分可以算作最后的检查工作吧。

以下是CUDA与GCC之间的兼容关系。

CUDA version	GCC version
11.4.1+，11.5，11.6，11.7	11
11.1，11.2，11.3，11.4.0	10
11	9
10.1，10.2	8
9.2，10.0	7
8	6
7	5.3
5.5，6	4.9
4.2，5	4.8
4.2，5	4.6
4.1	4.5
4.0	4.4

使用以下命令查看自己的GCC版本：

bash 复制代码

gcc --version

如何想更换GCC版本，但是没有管理员权限，可参考以下链接的文章：
https://blog.csdn.net/qq_45729306/article/details/143903591

Pytorch与CUDA版本之间的对应关系

这部分是重中之重，每一个配置过深度学习环境的同学肯定都遇到过这个问题吧，无一例外。版本如果不对应，代码根本跑不起来，不想上面的GCC与CUDA版本那样还存在例外的情况。

CUDA version	Pytorch version
11.7	1.13.1，1.13.0
11.6	1.13.1，1.13.0，1.12.1，1.12.0
11.3	1.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0
11.1	1.8.0
11.0	1.7.1，1.7.0
10.2	1.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0，1.7.1，1.7.0，1.6.0，1.5.1，1.5.0
10.1	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.3.0
10.0	1.2.0，1.1.0，1.0.1，1.0.0
9.2	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.1
9.0	1.1.0，1.0.1，1.0.0，0.4.1
8.0	1.1.0，1.0.0，0.4.1
7.5	0.4.1，0.3.0，0.2.0，0.1.6，0.1.7，0.1.8，0.1.9，0.1.10，0.1.11，0.1.12

以下是官网给出的更换CUDA版本的所有命令的链接地址：
https://pytorch.org/get-started/previous-versions/

这个地址可能访问的时候会加载不出来，或者非常慢，后续我还会更新这部分的内容。