在Orin上查看CUDA cuDNN TensorRT的版本

目录

一、CUDA版本

方法1:使用 nvcc 命令

方法2:查看 CUDA 安装目录下的版本文件

方法3:使用 nvidia-smi 命令

二、cuDNN版本

方法1:查看 cuDNN 头文件信息

方法2:使用 dpkg 命令(适用于通过 Debian 包安装的情况)

方法3:查看库文件的软链接信息

三、TensorRT版本

方法1:使用 Python 脚本查看

方法2:查看 TensorRT 头文件

方法3:使用 dpkg 命令(适用于通过 Debian 包安装的情况)

方法4:直接查找libnvinfer.so


一、CUDA版本

方法1:使用 nvcc 命令

nvcc 是 CUDA 的编译器驱动程序,通过查看其版本信息可以间接得知 CUDA 的版本。
打开终端,输入以下命令:

nvcc --version
或者nvcc -V

执行该命令后,会输出类似如下的信息:

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Sun_Oct_23_22:16:07_PDT_2022
Cuda compilation tools, release 11.4, V11.4.315
Build cuda_11.4.r11.4/compiler.31964100_0

其中 release 11.4 就表明当前系统中安装的 CUDA 版本是 11.4。

方法2:查看 CUDA 安装目录下的版本文件

CUDA 安装后,会在特定目录下存在一个版本文件,从中可以获取版本信息。一般来说,CUDA 安装在 /usr/local/cuda 目录下,使用以下命令查看版本文件内容:

cat /usr/local/cuda/version.txt

输出结果可能如下:

CUDA Version 11.4.35

这显示当前 CUDA 版本为 11.4。

有可能不存在/usr/local/cuda/version.txt,但是有/usr/local/cuda/version.json文件,也可以看到CUDA版本。

方法3:使用 nvidia-smi 命令

nvidia-smi 是 NVIDIA 系统管理接口,它可以提供有关 NVIDIA GPU 设备的详细信息,其中也包含 CUDA 的版本信息。
在终端中输入以下命令:

nvidia-smi

输出结果中会有类似如下的内容:

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 520.61.05    Driver Version: 520.61.05    CUDA Version: 11.8     |
|-------------------------------+----------------------+----------------------+

这里的 CUDA Version: 11.8 表明当前系统支持的 CUDA 版本为 11.8。需要注意的是,nvidia-smi 显示的 CUDA 版本是 GPU 驱动程序支持的最高 CUDA 版本,实际安装的 CUDA 版本可能小于或等于这个值。


二、cuDNN版本

可以通过以下几种方法查看当前安装的 cuDNN 版本:

方法1:查看 cuDNN 头文件信息

cuDNN 的版本信息通常存储在其头文件中,可以通过查看该头文件内容来获取版本号。cuDNN 头文件一般位于 /usr/include 目录下,文件名是 cudnn_version.h 或 cudnn.h 。

打开终端,使用以下命令查看版本信息:

cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

或者如果文件名为 cudnn.h ,则使用:

cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

输出结果示例如下:

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

/* cannot use constexpr here since this is a C-only file */

cuDNN 的完整版本号是通过 CUDNN_MAJORCUDNN_MINOR 和 CUDNN_PATCHLEVEL 组合而成的。在上述示例中,版本号为 8.6.0 。计算方式为 CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL ,即 8 * 1000 + 6 * 100 + 0 = 8600 ,对应版本 8.6.0 。

方法2:使用 dpkg 命令(适用于通过 Debian 包安装的情况)

如果是通过 Debian 包(.deb 文件)安装的 cuDNN,那么可以使用 dpkg 命令来查看安装包的版本信息。

在终端中执行以下命令:

dpkg -l | grep libcudnn

输出结果可能如下:

ii  libcudnn8                                  8.6.0.166-1+cuda11.4                 arm64        cuDNN runtime libraries
ii  libcudnn8-dev                              8.6.0.166-1+cuda11.4                 arm64        cuDNN development libraries and headers
ii  libcudnn8-samples                          8.6.0.166-1+cuda11.4                 arm64        cuDNN samples

从输出中可以看到 cuDNN 的版本号是 8.6.0 。

方法3:查看库文件的软链接信息

cuDNN 库文件通常会有软链接指向具体版本的库文件,通过查看软链接信息也能获取版本号。

使用以下命令查看库文件的软链接:

ls -l /usr/lib/aarch64-linux-gnu/libcudnn.so
或者
ls -l /usr/lib/aarch64-linux-gnu/libcudnn.so*

输出结果示例:

rwxrwxrwx 1 root root     13 May 16  2023 /usr/lib/aarch64-linux-gnu/libcudnn.so -> libcudnn.so.8
lrwxrwxrwx 1 root root     17 Sep 22  2022 /usr/lib/aarch64-linux-gnu/libcudnn.so.8 -> libcudnn.so.8.6.0
-rw-r--r-- 1 root root 153408 Sep 22  2022 /usr/lib/aarch64-linux-gnu/libcudnn.so.8.6.0

从这里可以直接看出 cuDNN 的版本是 8.6.0 。


三、TensorRT版本

可以通过以下几种方法查看当前安装的 TensorRT 版本:

方法1:使用 Python 脚本查看

如果已经安装了 TensorRT 的 Python 绑定,那么可以通过编写一个简单的 Python 脚本来查看版本信息。
打开终端,创建一个 Python 文件(例如 check_trt_version.py),并在其中添加以下代码:

import tensorrt as trt

print(f"TensorRT版本: {trt.__version__}")

然后在终端中运行该脚本:

python3 check_trt_version.py

运行脚本后,会输出当前安装的 TensorRT 版本号。

方法2:查看 TensorRT 头文件

TensorRT 的版本信息通常存储在其头文件中,可以通过查看头文件内容来获取版本号。头文件一般位于 /usr/include 目录下,文件名为 NvInferVersion.h

在终端中使用以下命令查看版本信息:

grep "#define NV_TENSORRT_MAJOR" /usr/include/NvInferVersion.h
grep "#define NV_TENSORRT_MINOR" /usr/include/NvInferVersion.h
grep "#define NV_TENSORRT_PATCH" /usr/include/NvInferVersion.h

如果NvInferVersion.h不在/usr/include目录下,可以先sudo find / -iname NvInferVersion.h找到它。

输出结果示例如下:

#define NV_TENSORRT_MAJOR 8 //!< TensorRT major version.
#define NV_TENSORRT_MINOR 5 //!< TensorRT minor version.
#define NV_TENSORRT_PATCH 2 //!< TensorRT patch version.

完整的 TensorRT 版本号是通过 NV_TENSORRT_MAJORNV_TENSORRT_MINOR 和 NV_TENSORRT_PATCH 组合而成的。在上述示例中,版本号为 8.5.2 。

方法3:使用 dpkg 命令(适用于通过 Debian 包安装的情况)

如果是通过 Debian 包(.deb 文件)安装的 TensorRT,那么可以使用 dpkg 命令来查看安装包的版本信息。

在终端中执行以下命令:

dpkg -l | grep tensorrt

输出结果可能如下:

ii  tensorrt                                   8.5.2.2-1+cuda11.4                   arm64        Meta package for TensorRT

从输出中可以看到 TensorRT 的版本号是 8.5.2 。

方法4:直接查找libnvinfer.so

从输出中可以看到 TensorRT 的版本号是 8.5.2 。

### 如何在Jetson Orin Nano上安装TensorRT 对于Jetson Orin Nano设备上的TensorRT安装过程,通常可以通过多种方式实现。以下是详细的说明: #### 使用SD卡镜像烧录的方式 当通过SD卡镜像文件完成系统的初始烧录时,系统已经预装了TensorRT库[^1]。这意味着,在大多数情况下,无需额外手动安装TensorRT即可直接使用。 然而,如果尝试运行`import tensorrt`命令却提示无法找到模块,则可以按照以下方法解决此问题: ```bash sudo apt update sudo apt install nvidia-jetpack ``` 上述命令将会重新安装NVIDIA JetPack软件包集合,其中包含了CUDAcuDNN以及TensorRT等重要工具链。 #### 手动配置环境的方法 另一种情况是在特定需求下需要单独验证或者更新已有的TensorRT版本。此时可采用如下步骤来确保所有依赖项均被正确设置好并可用: 首先刷新本地APT缓存索引列表,并执行一次完整的发行版升级操作以保证基础系统处于最新状态: ```bash sudo apt update && sudo apt dist-upgrade -y ``` 接着重启设备使更改生效后再继续后续工作流程: ```bash sudo reboot ``` 最后再次调用APT管理器请求安装nvidia-jetpack元数据包连带其附属组件一起部署到目标机器之上: ```bash sudo apt install nvidia-jetpack jtop ``` 这里提到的jtop是一个专门针对Jetson系列开发板设计的任务监控图形界面程序,它可以帮助开发者更直观地观察硬件资源利用率等情况[^3]. 值得注意的是,在实际动手之前应当确认所选选项是否匹配具体型号规格。例如,在利用SDK Manager进行固件写入环节里,“Manual Setup - Jetson Orin Nano 8GB”这一条目正是专为具备该容量RAM参数的产品线准备的选择之一[^2]。 ---
评论
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