nvcc属于CUDA的编译器,将程序编译成可执行的二进制文件。 nvidia-smi帮助管理和监控NVIDIA GPU设备。 nvcc显示的是CUDA的runtime api, 由CUDA Toolkit installer安装。nvidia-smi显示的是driver api。 pytorch版本选择 在选择pytorch版本的时候,指定的CUDA版本对应的command是cudatoolkit,因此应该选择nvcc -V的版本号。
nvcc属于CUDA的编译器,将程序编译成可执行的二进制文件,nvidia-smi全称是NVIDIA System Management Interface,是一种命令行实用工具,旨在帮助管理和监控NVIDIA GPU设备。 CUDA有runtime api和driver api,两者都有对应的CUDA版本, nvcc --version 显示的就是前者对应的CUDA版本,而 nvidia-smi显示的是后者对应的CUDA版本。
看到这篇文章,大概意思是说CUDA有两种API,一个是驱动API(Driver Version),依赖NVIDIA驱动,由nvidia-smi查看; 另一个是运行API(Runtime Version)是软件运行所需要的。一般驱动API版本>=运行API版本即可。 具体参考: https://stackoverflow.com/questions/53422407/different-cuda-versions-shown-by-nvcc-and-nvidia-sm...
背景 为何nvidia-smi 中的CUDA 版本与 nvcc不一致: 从上述结果可以看出,nvidia-smi的结果显示CUDA版本是10.0,而从nvcc命令来看,却是CUDA 9.0 分析 其实是因为CUDA 有两种API,分别是 运行时 API 和 驱动API,即所谓的 Runtime API 与 Driver API。 nvidia-smi 的结果除了有 GPU 驱动版本型号,还有 nvidia-smi ...
否则,你可能使用了单独的GPU driver installer来安装GPU dirver,这样就会导致 nvidia-smi 和 nvcc --version 显示的版本不一致了。 通常,driver api的版本能向下兼容runtime api的版本,即nvidia-smi 显示的版本大于nvcc --version 的版本通常不会出现大问题。
看到这篇文章,大概意思是说CUDA有两种API,一个是驱动API(Driver Version),依赖NVIDIA驱动,由nvidia-smi查看; 另一个是运行API(Runtime Version)是软件运行所需要的。一般驱动API版本>=运行API版本即可。 具体参考: https://stackoverflow.com/questions/53422407/different-cuda-versions-shown-by-nvcc-and-nvidia-sm...
nvcc -V显示的CUDA版本与nvidia-smi显示的CUDA版本不一致?,看到这篇文章,大概意思是说CUDA有两种API,一个是驱动API(DriverVersion),依赖NVIDIA驱动,由nvidia-smi查看;另一个是运行API(RuntimeVersion)是软件运行所需要的。一般驱动API版本>=运行API版本即可。