![安装NVIDIA显示驱动后是否需要单独安装cuda?](https://linux22.com/image/1629476/%E5%AE%89%E8%A3%85NVIDIA%E6%98%BE%E7%A4%BA%E9%A9%B1%E5%8A%A8%E5%90%8E%E6%98%AF%E5%90%A6%E9%9C%80%E8%A6%81%E5%8D%95%E7%8B%AC%E5%AE%89%E8%A3%85cuda%EF%BC%9F.png)
显卡显示驱动程序安装中是否已包含 cuda?根据https://www.asus.com/Graphics-Cards/GT710-SL-2GD5/specifications/,以及 Cuda 3.5https://www.techpowerup.com/gpu-specs/geforce-gt-710.c1990。它显然支持 cuda,因此我预计它已经安装好了。
来自(哪里https://stackoverflow.com/questions/9727688/how-to-get-the-cuda-version找出 cuda 版本。该链接的 Windows 10 快捷方式对我来说不起作用。
我现在假设 cuda 需要单独安装https://developer.nvidia.com/cuda-toolkit, 这是真的?
答案1
提前结果:
- 除非您使用带有 cudatoolkit 的 conda 或带有 cudatoolkit 的 pip,否则除了显示驱动程序之外,还需要安装 Cuda。
- 如果你使用以下方式安装 Tensorflow 和 Pytorch,则需要安装 CUDA 系统不带 cudatoolkit 的 pip或来自来源。
- 如果您使用 conda(推荐),Tensorflow 和 Pytorch 不需要 CUDA 系统安装。Pytorch 的 conda install 命令需要 conda install 参数“cudatoolkit”,而 tensorflow 不需要该参数。
下面,“CUDA Toolkit”(独立的,您可以在系统上在 Python 之外安装的)和 cudatoolkit(conda)是不同的!
- Pytorch 与 conda:参见https://pytorch.org/get-started/locally/。不建议手动安装“cudatoolkit”和 cudnn,请使用 conda install 命令安装所有依赖项。目前,最高版本 10.2 的“cudatoolkit”可作为 conda install 参数。您不需要系统“CUDA Toolkit”,请参阅@jodaghttps://stackoverflow.com/questions/60101973/how-to-use-gpu-in-pytorch。
- 独立/系统 CUDA 工具包:带可执行安装:带https://developer.nvidia.com/cuda-toolkit如果您需要将其用于 anaconda 之外的其他用途,则称为“CUDA 工具包”。您可以使用 pip 完成此操作,但 pytorch 不建议这样设置,因为 pytorch推荐conda:“Anaconda 是我们推荐的包管理器,因为它安装了所有依赖项。”由于 conda 无法使用“CUDA 工具包”,请参阅如何使用 NVIDIA“cuda toolkit”版本而不是官方 conda“cudatoolkit”版本运行 pytorch?,也不建议使用“CUDA Toolkit”,这对于 Tensorflow 来说应该意味着同样的事情 - 而且确实如此,请参阅最后一条要点。
- 从源代码安装 Pytorch(如果你有较旧的显卡,你需要构建自己的 pytorch 版本及其所有依赖项):在安装 pytorch 之前,使用独立 / 系统 CUDA Toolkit 和独立 / 系统 cuDNN,请参阅https://github.com/pytorch/pytorch/issues/17445#issuecomment-466791886以及一位导游https://www.youtube.com/watch?v=sGWLjbn5cgs。我尝试了很多次后才成功从源代码安装,请参见这里。在我的可能特殊情况下,只有打开 MKL 并关闭 NINJA 才能安装成功。
- Tensorflow:使用可执行文件(独立)安装 + pip / conda tensorflow + tensorflow-gpu:目前最多可以安装“CUDA Toolkit”版本 10.1,请参阅https://www.tensorflow.org/install/gpu-->https://developer.nvidia.com/cuda-toolkit-archive。编辑:请注意,建议使用 Anaconda 安装 tensorflow, 看https://stackoverflow.com/questions/45040400/why-using-anaconda-environments-to-install-tensorflow-on-windows/63396682#63396682以及一位导游https://machinelearningspace.com/installing-tensorflow-2-0-in-anaconda-environment/。使用 anaconda 安装程序 (
conda install tensorflow-gpu
) 时,无需安装系统“CUDA 工具包”(独立,即 Python 之外的工具包)。使用 pip,您可以能使用“CUDA Toolkit”(1.),但你不应该这样做!你也可以使用 pip 安装“cudatoolkit”(2.),但也不建议这样做。原因:在两个 pip 安装 (1./2.) 中,都不能保证你的依赖项在所有设置下都能正常工作。NVIDIA 推荐使用 Conda,因为它可以处理依赖项。
编辑:我发现了一个也被评论的例子:当 conda 不起作用时,pip 有时起作用。UnsatisfiableError:发现 CUDA 驱动程序的规范不兼容,即使我拥有规范中的版本,并且 pip 安装正常 - 安装 PyMC3 和 tensorflow。也许是个老例子,但有提示。因此:尝试 conda,如果不起作用,再尝试 pip。
####
详细信息(仅供参考):
为什么不直接测试需要 cuda 才能发现的安装呢?https://pytorch.org/get-started/locally/,您会conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
在 conda prompt 中获得安装命令。它选择安装版本 10.2。如果 cuda 附带显示驱动程序,则不会安装它。
然后安装会安装一个cuda工具包:
将安装以下新软件包:
cudatoolkit 包/main/win-64::cudatoolkit-10.2.89-h74a9793_1
然后我们看到 cudatoolkit-10.2.89 | 317.2 MB 可能太大,无法合理地包含在显示驱动程序中。在 中C:\Program Files (x86)\NVIDIA Corporation
,只有三个名为 cuda 的 dll 文件,大小为几百 KB。
ps:发行说明中提到的 cuda 11.0 只是向我们提供了支持信息,而不是实际安装。我也看过发行说明。它在“软件模块版本”下列出了 cuda 11.0,是的。但后来在“新功能和其他更改”下,它只是说“支持 CUDA 11.0。”,见https://us.download.nvidia.com/Windows/451.67/451.67-win10-win8-win7-release-notes.pdf。
从https://stackoverflow.com/questions/9727688/how-to-get-the-cuda-version:
- 接受的答案指出您需要安装 nvidia-cuda-toolkit 才能运行版本命令(虽然不是指 Windows,但在 Windows 上是一样的)。
nvidia-smi
右上角使用获取版本的答案被拒绝,因为它只显示支持哪个版本。它不显示 Cuda 是否实际安装。@BruceYo 评论:[命令 nvidia-smi]“即使没有安装 CUDA 也会显示 CUDA 版本。”
这再次表明 cuda 未包含在显示驱动程序安装中。