(nlp) [cs@localhost miniconda3]$ conda list cuda
# packages in environment at /home/cs/miniconda3/envs/nlp:
#
# Name Version Build Channel
cudatoolkit 10.1.243 h6bb024c_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
(nlp) [cs@localhost miniconda3]$ nvcc -v
bash: nvcc: 未找到命令...
Python 3.7.6 (default, Jan 8 2020, 19:59:22)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>>
>>> print(torch.cuda.is_available())
True
>>> import tensorflow as tf
>>>
>>> print(tf.config.list_physical_devices('GPU'))
[]
包 | 版本 |
---|---|
pytorch | 1.7.1 |
paddle | 1.8.5 |
tf | 2.3 |
cuda | 10.1 |
cudnn | 7.6.5 |
python | 3.7 |
1
RecLusIveF 2022-07-27 14:31:25 +08:00 via iPhone
tf 讲道理来说,不认 conda 环境里的 cudatoolkit ,只能从英伟达那边下载 cuda ,cudnn 进行安装才能识别
|
2
ysc3839 2022-07-27 15:41:55 +08:00
建议直接用系统的包管理安装 CUDA ,有的库可能写死了 /usr/local/cuda 路径,你用 conda 安装会麻烦很多的。如果要多版本共存,推荐用 Docker ,NVIDIA 官方有提供 cuda 镜像 https://hub.docker.com/r/nvidia/cuda
|
3
handuo 2022-07-27 15:58:43 +08:00 via Android 2
是的 安装完官方下的 cuda 和 cudnn 后,在本用户路径 bashrc zshrc 下把 cuda 的位置 bin 和 lbib64 分别附加到 path 和 ld library path 的环境变量,具体自己谷歌
|
4
whywaoxaks 2022-07-27 16:02:14 +08:00
很多年前,每次一配 gpu 环境就得花好几天,所以就一直用 docker 了,不知道现在好不好配了。
|
6
Muniesa 2022-07-27 18:29:13 +08:00 via Android
conda 的 cudatoolkit 不是完整的 CUDA ,pytorch 和 paddle 我记得如果用 conda 装的话是可以直接用的,不需要完整 CUDA 环境
|
7
hsfzxjy 2022-07-27 18:53:33 +08:00 via Android
建议配 docker ,省心
|
8
pydiff 2022-07-28 12:02:30 +08:00 via iPhone
之前用 paddlepaddle 时试过 conda 装的 cudatool 没用,要用 nvidia 的。建议你用 docker ,选择 nvidia 的 cuda-cudnn-devel 版本做基础镜像
|