苏州微信网站,网站建设合同需要缴纳印花税,云南人事考试网官网,秦皇岛网站制作公司哪家好#工作记录
在 NVIDIA 发布 CUDA Toolkit 12.9 与 cuDNN 9.9.0 后#xff0c;开发者纷纷选择升级以获取新特性和性能提升。 CUDA Toolkit 12.9 与 cuDNN 9.9.0 发布#xff0c;带来全新特性与优化-CSDN博客 然而#xff0c;升级完成并不意味着大功告成#xff0c;确认升级后…
#工作记录
在 NVIDIA 发布 CUDA Toolkit 12.9 与 cuDNN 9.9.0 后开发者纷纷选择升级以获取新特性和性能提升。 CUDA Toolkit 12.9 与 cuDNN 9.9.0 发布带来全新特性与优化-CSDN博客 然而升级完成并不意味着大功告成确认升级后功能正常且对 Windows 系统上原有的 conda 和 virtualenv 等虚拟环境无影响至关重要。 以下是详细的验证步骤和方法。 一、验证 CUDA Toolkit 12.9 功能
1. 检查 CUDA 编译器
打开 Windows 命令提示符输入nvcc -V并回车。若安装正确命令行将返回 CUDA Toolkit 12.9 的版本信息如 “Cuda compilation tools, release 12.9, V12.9.103”。
nvcc -V C:\Users\lovenvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2025 NVIDIA Corporation Built on Wed_Apr__9_19:29:17_Pacific_Daylight_Time_2025 Cuda compilation tools, release 12.9, V12.9.41 Build cuda_12.9.r12.9/compiler.35813241_0 若未显示对应信息或提示命令未找到说明 CUDA 编译器安装存在问题可能需要重新安装或检查系统环境变量配置。 2. 运行 CUDA 示例项目
CUDA Toolkit 安装目录默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\extras\demo_suite 下包含可直接运行的示例程序。
以deviceQuery为例可通过以下方式运行
.\deviceQuery.exe
打开 CMD 或 PowerShell使用cd命令导航到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\extras\demo_suite 目录然后运行.\deviceQuery.exe 。
若运行结果中出现类似以下信息 Detected 1 CUDA Capable device(s) Device 0: NVIDIA GeForce RTX 3090 CUDA Driver Version / Runtime Version 12.9 / 12.9 CUDA Capability Major/Minor version number: 8.6 Total amount of global memory: 24576 MBytes (25769279488 bytes) ... Result PASS 则表明 CUDA 能够正确识别 GPU 设备且基本的设备查询功能正常GPU 加速功能初步可用。 二、验证 CUDA Toolkit 12.9 与 cuDNN 9.9.0 在虚拟环境中的功能
1. 检查 conda 虚拟环境
打开命令提示符输入conda activate [虚拟环境名称]将目标 conda 虚拟环境激活。
例如若虚拟环境名为 “myenv”则输入conda activate myenv。 “100% 成功的 PyTorch CUDA GPU 支持” 安装攻略-CSDN博客 在激活的 conda 虚拟环境中运行以下验证代码
使用 PyTorch 验证
import torch # 导入 PyTorch 库print(PyTorch 版本, torch.__version__) # 打印 PyTorch 的版本号# 检查 CUDA 是否可用并设置设备cuda:0 或 cpu
device torch.device(cuda:0 if torch.cuda.is_available() else cpu)
print(设备, device) # 打印当前使用的设备
print(CUDA 可用, torch.cuda.is_available()) # 打印 CUDA 是否可用
print(cuDNN 已启用, torch.backends.cudnn.enabled) # 打印 cuDNN 是否已启用# 打印 PyTorch 支持的 CUDA 和 cuDNN 版本
print(支持的 CUDA 版本, torch.version.cuda)
print(cuDNN 版本, torch.backends.cudnn.version())# 创建两个随机张量默认在 CPU 上
x torch.rand(5, 3)
y torch.rand(5, 3)# 将张量移动到指定设备CPU 或 GPU
x x.to(device)
y y.to(device)# 对张量进行逐元素相加
z x y# 打印结果
print(张量 z 的值)
print(z) # 输出张量 z 的内容
若输出显示torch.cuda.is_available()为True且支持的 CUDA 版本、cuDNN 版本信息与预期相符张量运算能在 GPU 设备上正常执行说明 CUDA Toolkit 12.9 与 cuDNN 9.9.0 在该 conda 虚拟环境中功能正常。 使用 TensorFlow 验证
import tensorflow as tfprint(tf.test.is_gpu_available())print(tf.config.list_physical_devices(GPU)) 若tf.test.is_gpu_available()返回True且能正确列出系统中的 GPU 设备则表示 TensorFlow 可借助 CUDA 和 cuDNN 在该虚拟环境中使用 GPU 加速功能。 2. 检查 virtualenv 虚拟环境
进入 virtualenv 虚拟环境对应的 Scripts 目录例如虚拟环境安装在F:\PythonProjects\SkyReels-V2则进入F:\PythonProjects\SkyReels-V2在命令提示符中运行.venv\Scripts\activate激活虚拟环境然后输入python进入python环境。
.venv\Scripts\activate (.venv) PS F:\PythonProjects\SkyReels-V2 python (.venv) PS F:\PythonProjects\SkyReels-V2 python Python 3.10.16 | packaged by Anaconda, Inc. | (main, Dec 11 2024, 16:19:12) [MSC v.1929 64 bit (AMD64)] on win32 Type help, copyright, credits or license for more information. 在激活的 virtualenv 虚拟环境中同样运行上述 PyTorch 和 TensorFlow 的验证代码。若运行结果与在 conda 虚拟环境下类似即各框架能正确识别 CUDA 和 cuDNN且可利用 GPU 进行运算则可确认升级 CUDA Toolkit 12.9 和 cuDNN 9.9.0 对该 virtualenv 虚拟环境无不良影响。 根据在 conda 虚拟环境和 virtualenv 虚拟环境中的验证情况见图片附件 1、附件 2
在 conda 虚拟环境中PyTorch 版本为2.8.0.dev20256327cu128检测到设备为cuda:0 CUDA 可用返回TruecuDNN 已启用返回True支持的 CUDA 版本为12.8 cuDNN 版本为90791 。最终张量运算结果正常且运行在devicecuda:0 上。在 virtualenv 虚拟环境中PyTorch 版本为2.5.1cu124 检测到设备为cuda:0 CUDA 可用返回TruecuDNN 已启用返回True支持的 CUDA 版本为12.4 cuDNN 版本为98108 。最终张量运算结果正常且运行在devicecuda:0 上。 若出现异常如torch.cuda.is_available()返回False可能是 CUDA、cuDNN 或 PyTorch 安装存在问题需进一步排查。 三、总结
关于兼容性和验证时显示的版本问题
在深度学习领域CUDA、cuDNN 和 torch 之间具备向下兼容特性。这得益于它们的自动适配安装机制会依据当前环境以及已有库状况安装最合适版本所以开发者无需因验证版本号与安装版本号不一致而忧心。 目前torch 官方尚未发布支持 CUDA 12.9 的版本。当在 Windows 主系统完成 CUDA Toolkit 12.9 与 cuDNN 9.9.0 升级后若未在 conda、virtualenv 等虚拟环境中另行安装适配新版本的库验证时会呈现虚拟环境中原先的版本信息。
比如即便主系统已安装 cuDNN 9.9.0可虚拟环境若未变动安装验证时仍可能显示为 9070即原安装的 9.7 版本 或其他原版本号。 关于验证目的性的回归说明
而进行这些验证主要是为确认在 Windows 主系统中完成 CUDA Toolkit 12.9 与 cuDNN 9.9.0 升级后不会对系统内包括 conda、virtualenv 等虚拟环境中的 CUDA、cuDNN 及其他库的正常使用造成影响保证升级安装基本不会干扰生产力环境。 通过以上对 CUDA Toolkit 12.9、cuDNN 9.9.0 功能的验证以及在 conda 和 virtualenv 虚拟环境中的测试开发者能够全面确认升级操作的有效性和稳定性确保后续基于 GPU 加速的开发工作顺利进行。
若在验证过程中遇到问题可参考 NVIDIA 官方文档、相关开源社区或技术论坛寻求解决方案。
