环境配置：win11查询已安装的cudnn的版本

最新推荐文章于 2025-05-29 13:39:41 发布

憨博哥Hamburger

最新推荐文章于 2025-05-29 13:39:41 发布

阅读量1k

点赞数 7

CC 4.0 BY-SA版权

分类专栏：人工智能学习文章标签：人工智能深度学习

本文链接：https://blog.youkuaiyun.com/weixin_52971481/article/details/135443869

人工智能学习专栏收录该内容

2 篇文章

订阅专栏

环境配置：win11查询已安装的cudnn的版本

1、使用python代码查询

安装torch依赖包，在python的一个文件中，输入以下代码，

import torch
print(torch.backends.cudnn.version())

本机输出的是8700，在这种情况下，“8700” 表示所使用的CuDNN库的版本号是 8.7.0。通常，CuDNN的版本号可以通过前三个数字了解主要的版本和更新，例如 8.7.0 可能是 8.x.x 系列的第七个次版本。版本号的最后一个数字通常是一些小的改进和修复版本。

后续有其他方法，会继续补充

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

憨博哥Hamburger

关注关注

7
点赞
踩
10

收藏

觉得还不错? 一键收藏
1
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

专栏目录

python&anconda系列（亲测有效）：window11系统CUDA、cuDNN 安装以及环境变量配置

weixin_54626591的博客

12-24

3709

window11系统CUDA、cuDNN 安装以及环境变量配置

win11下安装Cuda和Cudnn(pytorch+GPU环境安装)，保姆级教程！！！

最新发布

weixin_63681863的博客

05-29

606

请根据你的具体安装情况调整上述命令中的路径。如果CUDA或cuDNN不是安装在默认路径下，你需要替换上面命令中的路径为你实际的安装路径。另一个方法是检查已安装的cuDNN库文件。这条命令将列出所有与cuDNN相关的库及其路径，从中可以推断出版本信息。cuDNN的版本信息通常包含在其头文件。这说明你的cuDNN版本是7.6.5。

Win11查看CUDA版本，非常简单的三步

猫猫头的博客

03-07

7211

Win11查看CUDA版本，非常简单的三步其实用Win11查看CUDA版本非常简单，但好像网上的教程比较少，也可能是因为太简单了，大家都不怎么在意，但是因为我经常忘记，所以来记录以下。第一步在电脑任务栏里的搜索里面直接搜索“NVIDIA”，就会出现“NVIDIA Control Panel”，啊这里我又输成“navidia”了，【笑哭】，不过问题不大，点击进去。第二步进入到NVIDIA控制面板之后，点击“帮助”，选择“系统信息” 第三步在出来的系统信息界面，选择“组件”，这样就看到我们的CU

如何查看Win11的CUDA版本

风口IT猪的成长录

07-30

1万+

如何查看Win11的CUDA版本PrefaceCUDA简介查看CUDA版本方式一方式二 Preface 在深度学习领域，需要安装Tensorflow及PyTorch等框架，需要GPU版本提高运行效率。因此安装对应的GPU版本，了解自己电脑的显卡配置和CUDA版本极为重要。 CUDA简介 CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。它包含

Windows11安装CUDA、cuDNN、PyTorch详解

10-12

1万+

‌cuDNN（CUDA Deep Neural Network library）是一个由NVIDIA开发的深度学习GPU加速库，旨在为深度学习任务提供高效、标准化的原语（基本操作）来加速深度学习框架在NVIDIA GPU上的运算。此外，PyTorch还具有高度的灵活性和可扩展性，支持多种硬件平台，并且有一个活跃的社区，提供了大量的教程和资源，使得用户可以快速上手并解决实际问题。PyTorch的核心特点包括：‌12。可以看到NVIDIA GPU驱动版本为546.56，支持的CUDA最高版本为12.3。

（Win11）CUDA、CUDNN安装教程

weixin_64064486的博客

11-24

1万+

深度学习环境的配置需要提前安装CUDA，本文提供CUDA的安装步骤，比较细致，希望可以帮助到大家

手把手教你Win系统配置深度学习(GPU)环境： Anaconda3+CUDA+cuDNN+pytorch

qq_51475793的博客

07-26

3424

最近跑行为识别的网络模型，所以需要在笔记本上配置深度学习的坏境，准备将踩过的坑都记录下来。巨详细的那种！！！配置：winsows系统，GTX3050显卡。（AMD显卡不能直接调cuda，只能装虚拟机，在Linux系统上安装ROMc来调cuda，巨麻烦，而且只有部分型号的amd显卡才支持安装ROMc） 1、 Anaconda安装 1.1 先下载Python还是Anaconda？ Anaconda！装anaconda，就不需要单独装在python了！ 1.2 Anacond...

win11+cuda+cudnn+pytorch安装

eplan21的博客

09-18

1743

3060+win11+cuda+cudnn+pytorch安装

Windows查看CUDA版本

weixin_44390344的博客

10-31

4876

在windows上查看已安装的cuda版本和可安装的最高版本

如何在windows下查看cuda和cudnn版本号

weixin_45246566的博客

02-19

1468

深度学习新手的纯纯干货！教你如何在windows下查看cuda和cudnn版本号！！！

windows 11 大模型 - windows cuda配置

成长的笨熊

02-26

462

【pytorch】 Win11下cuda，cudnn以及pytorch环境安装

weixin_48846514的博客

05-19

3041

Win11 cuda,cudnn,pytorch环境安装

如何在矩池云上查看cudnn版本

机器学习是魔鬼的博客

10-09

382

矩池云下如何查看cudnn版本。

ubuntu系统如何查看已安装cudnn版本

高性价比服务器就选：蓝易云

07-26

7276

如果你的安装路径不同，你需要相应地调整命令中的路径。请注意，这种方法假定你已经正确安装了cuDNN，并且路径。希望这个方法能够帮助你查看已安装的cuDNN版本。这表示你的系统安装了cuDNN 8.2.1版本。

Win11配置Cuda+cudnn

z_c_kaifa的博客

08-06

1937

win11安装CUDA和cudnn

查看 CUDA 版本

rememberjjjz的博客

02-19

1万+

查看CUDA版本

深度学习环境配置-windows11安装cuda和cudnn驱动

03-12

### 安装 CUDA 和 cuDNN 对于 Windows 11 用户来说，在安装 CUDA 工具包和 cuDNN 库时需要注意特定的操作流程。为了确保兼容性和性能优化，建议按照官方指南进行操作。 #### 下载并安装 CUDA Toolkit 访问 NVIDIA 开发者网站上的 CUDA Toolkit 归档页面获取适用于 Windows 平台的指定版本工具包[^3]。选择与操作系统相匹配的安装文件，并遵循提示完成整个过程。如果采用 Tarball 压缩包形式，则需解压到自定义路径下再手动设置环境变量以便后续调用[^2]。 #### 获取及部署 cuDNN 库前往 cuDNN 的下载专区挑选对应于已安裝之 CUDA 版本号（例如这里提到的是 CUDA 12.x）以及目标 OS 类型 (即 Win10/11)[^2]。下载完成后同样通过解压缩方式将其放置在适当位置；接着把 `bin` 文件夹加入系统的 PATH 变量之中，同时将 `include` 和 `lib` 路径告知编译器以支持链接阶段的需求[^1]。 #### 验证安装成功与否可以通过运行简单的测试程序来确认一切正常工作。比如编写一段利用 GPU 加速计算的小例子： ```cpp #include <stdio.h> __global__ void helloFromGPU() { printf("Hello, World! This is from the GPU.\n"); } int main() { printf("Hello, World! This is from the CPU.\n"); helloFromGPU<<<1, 1>>>(); cudaDeviceSynchronize(); return 0; } ``` 编译上述代码片段之前记得开启 Visual Studio 或其他 IDE 中有关 NVCC 编译选项的支持功能。执行完毕后应当能在终端看到来自不同设备的信息输出，这表明 CUDA 环境搭建无误。 #### PyTorch集成考虑到提问中提及了 Python 3.9 和 PyTorch 2.3.1 的组合情况，当完成了前面几步之后就可以着手准备引入这些高级框架了。通常情况下只需借助 pip 工具就能快速搞定依赖关系管理问题: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121 ``` 这条命令会自动拉取适合当前硬件条件的最佳构建版本。