记录配置nvidia驱动+cuda+pytorch的一天.

oasisless

已于 2023-02-19 17:04:43 修改

阅读量538

点赞数 1

CC 4.0 BY-SA版权

文章标签： pytorch 深度学习 python

于 2023-02-19 16:48:57 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_48323711/article/details/129111331

文章讲述了在服务器上遇到NVIDIA3090显卡驱动和CUDA环境问题，通过尝试安装和更新驱动、CUDA版本，最终发现只需在Anaconda环境中安装与显卡兼容的PyTorch版本即可解决问题，避免了服务器端直接安装CUDA的需要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前情提要：实验室的新服务器用的是nvidia 3090显卡，最近服务器出了点问题，师兄说是网卡驱动和显卡驱动有问题，但是我登录之后发现nvidia-smi命令无法输出，就认为是显卡驱动没有装好，遂开始自力更生配置环境。

首先，笔者输入了nvidia-smi命令，发现有如下报错：

NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver.
Make sure that the latest NVIDIA driver is installed and running.

于是联系前情提要，笔者想当然地认为是nvidia驱动没有安装好。

记录一下配置nvidia驱动的教程，以备不时之需。安装nvidia驱动教程

首先需要查看显卡型号，lspci | grep -i vga，但是该命令返回的是一个十六进制数字，根据：PCI devices确认了是3090显卡。（参考教程：Linux(Ubuntu)系统查看显卡型号）

但是在搜集资料的时候，笔者发现了如下参考资料。
参考链接：NVIDIA驱动失效简单解决方案

查看已安装驱动的版本信息

ls /usr/src | grep n

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

oasisless

关注关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

显卡驱动版本、cuda版本、pytorch版本的匹配查找网站

视觉小新的博客

05-02

1419

首先是安装自己的显卡驱动，根据显卡的型号进行选择 https://www.nvidia.cn/Download/index.aspx 查看显卡驱动和cuda的对应版本 Release Notes :: CUDA Toolkit Documentation 查看显卡的计算能力，该计算能力直接与pytorch的版本有关 CUDA GPUs | NVIDIA Developer 关于CUDA与GPU的算力匹配问题 https://www.csdn.net/tags/MtjakgwsNjE

Pytorch与NVIDA驱动控制安装

m0_48176714的博客

03-02

261

Pytorch与NVIDA驱动控制安装

参与评论您还未登录，请先登录后发表或查看评论

NVIDIA GPU Driver, CUDA 和 PyTorch的版本关系

zhuguiqin1的专栏

05-06

1852

我们在进行深度学习环境配置的时候，会遇到各种各样的问题。有各种各样的驱动、包需要安装。不同驱动和包之间的还存在版本适配问题，刚入手的同学会一脸懵逼。配置环境成了入门的第一道门槛。我现在总结了NVIDIA 显卡 + Anaconda资源库 + PyTorch深度学习框架的环境配置指南，希望能够帮助大家。首先需要安装显卡驱动，显卡驱动不需要每个人安装，只需要拥有root的权限的管理者为整台服务器安装即可，选择一款与服务器显卡适配的驱动，安装指南参考NVIDIA显卡驱动。

pytorch cuda cuDNN nvidia驱动安装

qq_27292549的博客

02-23

395

如下网址： https://blog.csdn.net/gdymind/article/details/82153643 实际上nvidia驱动可以不单独装，因为在装cuda使用runfile版本安装时可以自动安装，但是注意要在安装询问时选择yes即可还有就是我之前装过9.1，然后发现有问题需要卸载，此时卸载方式可以网上搜索，但是网上搜索的不同版本卸载方式不同，这里贴出9.1的卸载方式：在...

部署系列0ubuntu, nvidia driver, cuda, cudnn， pytorch-gpu， opencv安装

tony365的博客

11-09

304

上面的教程是通过https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html Package Manager Installation的方法安装cudnn的。sudo apt-get install cuda-drivers-418 安装特定版本的驱动。ubuntu-drivers devices 寻找可以安装的驱动。除了以上的通过下runfile来安装，也可以通过包安装。Ctrl + Alt + Delete 退出tty模式。

Ubuntu20.04安装NVIDIA驱动+cuda+cudnn+anaconda+pytorch+pycharm经验

qinseheming0820的博客

04-18

4980

配置环境是深度学习的第一道门槛，也是必须迈过的一道门槛，之前一直在windows平台上跑pytorch，但很多包无法安装，必须要使用Linux。在经历了很多坑，无数次重装系统，崩溃，坚持后终于在Ubuntu20.04上成功安装pytorch，现将经验分享，希望能对初学者有一定参考。一、安装Ubantu20.04系统在清华源上下载系统安装包，找一个空U盘，用第三方软件制作系统启动盘。注意一定是空U盘，制作启动盘时会将U盘格式化。 Index of /ubuntu-releases/2...

win11+cuda+cudnn+pytorch安装

eplan21的博客

09-18

1739

3060+win11+cuda+cudnn+pytorch安装

抽空给笔记本装个显卡驱动，pytorch+CUDA docker 环境配置

生活不止眼前的苟且

06-05

1161

大家好，我是消失了一个小春节的小鱼，春节忙着设计新的小产品，一直在努力，这两天又跑广州来了，今天周末，抽空给笔记本的显卡装个驱动，顺便搞了个pytorch 的GPU配置，小鱼折腾的详细步骤如下，希望对你有用。以下内容由GPT组织，GPT味道有点重。在Ubuntu 22.04笔记本上安装NVIDIA驱动和CUDA，以及配置PyTorch Docker环境是一项重要的任务，特别是对于需要进行深度学习开发的用户。在本文中，我们将详细介绍如何完成这些步骤。

深度学习环境搭建：Anaconda3+CUDA+Pytorch+Pycharm选择安装

m0_62149566的博客

03-22

1658

配置环境需要选择合适的版本。python和pytorch，pycharm版本对照关系可以搜索一下站里的相关文档，更重要一些的是python和pytorch的对应关系，nacidia和cuda的对应关系。我会用这套配置验证随后的学习，如果有错误我会在这篇里进行修正。

Ubuntu 16.04：Pytorch环境搭建（NVIDIA驱动 + CUDA 9.0 + CUDNN 7.0 + Pytorch）

ZhangK9509的博客

02-09

4523

终于，在倒腾了4天后，搭好了环境！ 1. NVIDIA驱动安装添加Graphic Drivers PPA： $sudo add-apt-repository ppa:graphics-drivers/ppa 更新Nvidia驱动程序： $sudo apt-get update 在System Settings -> Software & Updates -> Ad...

Windows下安装Torch+cuda（Pytorch、Anaconda、Pycharm、NVIDIA驱动）、Jupyter

coolgcoder的博客

10-26

5539

若多次尝试仍无法正常安装，安装失败的原因有很多，此处难以一一列出解答，建议根据报错提示寻找对应的解决方案。安装教程可参考：https://helpx.adobe.com/cn/premiere-pro/kb/drivers-video-win-nvidia.html。安装，安装过程中建议自行配置安装目录，并确认添加运行环境到Path中，安装后通过cmd命令行输入conda -V 查看是否安装以及版本号。安装失败的原因有很多，此处难以一一列出解答，建议根据报错提示寻找对应的解决方案。

支持CUDA的NVIDIA显卡

cs870101的专栏

04-19

5115

没有NVIDIA，安装pytorch

m0_53300372的博客

01-04

6523

没有NVIDIA，安装pytorch！

docker中没有nvidia驱动，且 nvidia-smi无输出，不报错的解决： --gpus all

YuQiao0303的博客

02-20

1万+

问题我的docker容器好好的，里面有nvidia驱动。导出成镜像后，再新建容器，却发现运行代码报错说我没有nvidia驱动。直接运行nvidia-smi命令，既不会报错，也没有输出。解决在docker run 的时候，加上 --gpus all: docker run --privileged --gpus all -p XXX:6006 -p YYY:22 -it -d -v 宿主共享文件夹路径:docker共享文件夹路径 -w 工作路径 --name 容器名称镜像名称 /bin/bash

无root权限在A4000服务器上配置cuda和pytorch和注意算力匹配

qq_44076637的博客

11-29

1413

无root安装cuda和pytorch和注意算力匹配

在win上配置pytorch：(PyCharm & Anaconda & CUDA版本和 Nvidia显卡和 pytorch版本如何匹配)

qq_41764621的博客

08-21

2252

对于我来说，就是：找一个比11.1小的CUDA Runtime 版本，我选择了11.0版本的CUDA Runtime。因此这种层层调用的关系需要这三者层层匹配。一般来说，为了防止cuda runtime 版本高导致支持A操作，但是 cuda driver版本低不支持A操作，所以，一般cuda runtime的版本要选择低于cuda driver的。并且：其实，当cuda runtime version 的版本支持显卡对应的算力的时候，cuda driver 的版本也能够支持显卡对应的算力。

【ubuntu】安装pytorch+anaconda的docker深度学习开发环境，并用Vscode远程访问

种一棵树最好的时间是十年前，其次是现在

03-10

979

这个版本号是指CUDA的版本号。CUDA是NVIDIA开发的一种通用并行计算平台和编程模型，可以利用GPU的并行计算能力加速各种计算任务。此处的"11.7"是CUDA的版本号，不同的版本号代表着不同的CUDA版本，也可能需要使用不同的驱动程序版本来支持。这个版本号是指NVIDIA显卡驱动程序的版本号。显卡驱动程序是连接操作系统和显卡硬件之间的桥梁，它负责管理显卡的各种功能和性能。此处的"515.86.01"是驱动程序的版本号，不同的版本号代表着不同的驱动程序版本。这里的11.7 指的是可驱动的最高版本。

【Ubuntu20.04上3090显卡安装Nvidia驱动和CUDA11.4，cuDNN，anaconda，以及解决向日葵无法连接和重装Ubuntu20.04遇到的问题】