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。

相关推荐
java1234_小锋1 小时前
Scikit-learn Python机器学习 - 特征降维 压缩数据 - 特征提取 - 主成分分析 (PCA)
python·机器学习·scikit-learn
java1234_小锋1 小时前
Scikit-learn Python机器学习 - 特征降维 压缩数据 - 特征提取 - 线性判别分析 (LDA)
python·机器学习·scikit-learn
小王爱学人工智能1 小时前
OpenCV的阈值处理
人工智能·opencv·计算机视觉
新智元2 小时前
刚刚,光刻机巨头 ASML 杀入 AI!豪掷 15 亿押注「欧版 OpenAI」,成最大股东
人工智能·openai
机器之心2 小时前
全球图生视频榜单第一,爱诗科技PixVerse V5如何改变一亿用户的视频创作
人工智能·openai
新智元2 小时前
2025年了,AI还看不懂时钟!90%人都能答对,顶尖AI全军覆没
人工智能·openai
思辨共悟2 小时前
Python的价值:突出在数据分析与挖掘
python·数据分析
绿箭柠檬茶2 小时前
Ubuntu 使用 Samba 共享文件夹
linux·运维·ubuntu
湫兮之风2 小时前
OpenCV: Mat存储方式全解析-单通道、多通道内存布局详解
人工智能·opencv·计算机视觉
机器之心2 小时前
Claude不让我们用!国产平替能顶上吗?
人工智能·openai