Windows上查看CUDA是否安装成功

部署运行你感兴趣的模型镜像

在命令行中打开:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite(如果自定义了安装路径需要修改该路径

中的 bandwidthTest.exedeviceQuery.exe 文件,如果最后都显示 Result = PASS 则说明安装成功

注意:如果CUDA安装在C盘需要使用管理员方式打开CMD命令行

转到目标文件夹:

 

 打开bandwidthTest.exe:

打开deviceQuery.exe: 

 此外还有方法介绍:打开CUDA安装目录下:  CUDA\v10.0\extras\CUPTI\libx64

如果有  cputi64_xxx.dll (xxx为你安装的CUDA版本)也说明安装成功

 

 

在命令行中输入  nvcc -V 可以查看版本信息:

您可能感兴趣的与本文相关的镜像

PyTorch 2.7

PyTorch 2.7

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

Windows 系统中,可以通过以下几种方法检查 CUDA 是否正确安装。以下是详细的解决方案和代码示例: --- ### 方法 1: 使用命令行检查 CUDA 版本 如果 CUDA 已正确安装并配置了环境变量,可以通过以下步骤验证: 1. **打开命令提示符** 按 `Win + R`,输入 `cmd`,然后按回车。 2. **运行 nvcc 命令** 输入以下命令查看 CUDA 编译器的版本信息: ```bash nvcc --version ``` 或者使用更简洁的命令: ```bash nvcc -V ``` 3. **解释输出** 如果 CUDA 已正确安装,将返回类似以下信息: ``` nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2022 NVIDIA Corporation Built on Mon_May__2_19:32:25_PDT_2022 Cuda compilation tools, release 11.7, V11.7.99 ``` --- ### 方法 2: 使用 Python 验证 CUDA 安装 如果你使用的是 TensorFlow 或 PyTorch 等深度学习框架,可以通过以下代码验证 CUDA 是否可用: #### 示例代码 ```python import torch # 检查 CUDA 是否可用 if torch.cuda.is_available(): print("CUDA is available!") print(f"CUDA Version: {torch.version.cuda}") print(f"Number of GPUs: {torch.cuda.device_count()}") print(f"Current GPU Name: {torch.cuda.get_device_name(0)}") else: print("CUDA is not available.") ``` #### 解释 1. **`torch.cuda.is_available()`**: 检查系统是否支持 CUDA。 2. **`torch.version.cuda`**: 返回当前使用的 CUDA 版本。 3. **`torch.cuda.device_count()`**: 返回系统中可用的 GPU 数量。 4. **`torch.cuda.get_device_name(0)`**: 返回第一个 GPU 的名称。 --- ### 方法 3: 使用 NVIDIA 控制面板检查 GPU 和驱动 1. **打开 NVIDIA 控制面板** 右键单击桌面空白处,选择“NVIDIA 控制面板”。 2. **查看系统信息** 在左侧菜单中选择“系统信息”,然后切换到“组件”选项卡。这里会列出当前系统中安装CUDA 版本以及 GPU 驱动信息。 --- ### 方法 4: 编写简单的 CUDA 程序测试 编写一个简单的 CUDA 程序并编译运行,以确保工具链正常工作。 #### 示例代码 ```cpp // test_cuda.cu #include <stdio.h> __global__ void helloFromGPU() { printf("Hello, World from GPU!\n"); } int main() { printf("Hello, World from CPU!\n"); helloFromGPU<<<1, 10>>>(); cudaDeviceSynchronize(); return 0; } ``` #### 编译并运行 1. 打开命令提示符,导航到保存上述代码的目录。 2. 使用以下命令编译程序: ```bash nvcc test_cuda.cu -o test_cuda ``` 3. 运行生成的可执行文件: ```bash test_cuda ``` #### 解释 1. **`nvcc`**: NVIDIA 提供的 CUDA 编译器,用于编译 `.cu` 文件。 2. **`__global__` 函数**: 定义一个可以在 GPU 上运行的核函数。 3. **`<<<1, 10>>>`**: 表示启动 1 个线程块,每个线程块包含 10 个线程。 4. **`cudaDeviceSynchronize()`**: 确保所有 GPU 线程完成后再继续执行。 如果程序成功运行并输出以下内容,则说明 CUDA 工具链已正确安装: ``` Hello, World from CPU! Hello, World from GPU! Hello, World from GPU! ... ``` --- ### 方法 5: 检查 CUDA 样例程序 CUDA Toolkit 通常会附带一些样例程序,可以用来验证安装是否成功。 1. **找到样例程序路径** 默认路径为: ``` C:\ProgramData\NVIDIA Corporation\CUDA Samples\ ``` 2. **编译样例程序** 导航到样例程序目录,例如 `1_Utilities/deviceQuery`,然后运行以下命令: ```bash nvcc deviceQuery.cu -o deviceQuery deviceQuery ``` 3. **解释输出** 如果 CUDA 已正确安装,`deviceQuery` 将返回类似以下信息: ``` Detected 1 CUDA Capable device(s) Device 0: "NVIDIA GeForce RTX 3080" CUDA Driver Version / Runtime Version 11.7 / 11.7 CUDA Capability Major/Minor version number: 8.6 ``` --- ###
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值