CUDA/cuDNN切换¶

适用镜像

Windows10，Windows11，Ubuntu24，Ubuntu22，Ubuntu20

注意，请务必阅读！

如果没有二次编译代码的需求，正常情况下不需要单独安装CUDA/cuDNN；
在各个Anaconda虚拟环境框架中内置了编译好的CUDA，框架版本和CUDA版本是对应的；
只需要关注虚拟环境框架版本与内置的CUDA即可，无需独立关注虚拟环境之外的CUDA版本；
系统都已经安装好显卡驱动，特别是Ubuntu系统，更改驱动极易造成系统无法使用，请勿轻易更改；

如果确实有需求更改系统CUDA版本，深度学习镜像中已经内置了快速切换 CUDA版本工具；

系统默认已安装显卡驱动、cuda12.4 版本与 cudnn8.9 版本，使用CUDA切换工具可快速切换版本，版本工具只可以切换CUDA，cuDNN需要自行安装；

使用 CUDA 切换工具¶

windows系统可直接在桌面打开环境工具，按照引导安装适合的CUDA版本；
Ubuntu系统可在终端运行 env_tools 指令，即可打开安装引导，根据引导选择适合的CUDA版本；
```
env_tools           # 打开CUDA切换工具 
```

内置可切换的 CUDA 版本¶

CUDA版本	说明
11.1	30系显卡适用
11.2	30系显卡适用
11.3	30系显卡适用
11.4	30系显卡适用
11.5	30系显卡适用
11.6	30系显卡适用
11.7	30系显卡适用
11.8	40系、30系显卡适用
12.0	40系、30系显卡适用
12.1	40系、30系显卡适用
12.2	40系、30系显卡适用
12.3	40系、30系显卡适用
12.4	40系、30系显卡适用
12.5	40系、30系显卡适用
12.6	40系、30系显卡适用
12.8	50系、40系、30系显卡适用
12.9	50系、40系、30系显卡适用

查看系统 CUDA 版本¶

终端运行 nvcc -V 可查看系统 CUDA 版本，该版本非虚拟环境 CUDA 版本
```
nvcc -V         # 适用于Windows/Ubuntu
```

执行结果中，release 之后数字部分代表当前系统的cuda版本

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

虚拟环境查看 CUDA 版本¶

请注意，大部分情况下虚拟环境使用的 CUDA 版本才是程序运行使用的 CUDA 版本；

请进入 Anaconda 虚拟环境中执行
```
pip list

# 或者

conda list
```

PyTorch 框架执行结果查看

# 找到torch项，该值由 torch版本 + CUDA 版本组成，示例中表示 PyTorch 2.2.2 版本由 CUDA 12.1 版本构建

torch     2.2.2+cu121

TensorFlow 框架执行结果查看

cudatoolkit               11.3.1               # CUDA 版本  
cudnn                     8.2.1                # cuDNN 版本

# 或者

nvidia-cuda-nvcc-cu12        12.3.107           # CUDA 版本
nvidia-cudnn-cu12            8.9.7.29           # cuDNN 版本

参考资料¶

如果系统内置的版本无法满足您的需要，您可以自行安装其他版本；