为什么 torch.version.cuda 和 deviceQuery 报告不同的版本?

Why are torch.version.cuda and deviceQuery reporting different versions?

我对安装在我的系统上并被我的软件有效使用的 CUDA 版本有疑问。 我在网上做了一些研究,但找不到解决我的疑问的方法。 对我的理解有一点帮助并且与我下面要问的问题最相关的问题是 this one.

问题描述:

我使用 virtualenvironmentwrapper 创建了一个虚拟环境,然后在其中安装了 pytorch。

一段时间后我意识到我的系统上没有安装 CUDA。

你可以通过以下方式找到它:
nvcc –V

如果没有返回任何内容,则表示您没有安装 CUDA(据我所知)。

因此,我按照说明进行操作here

我用 this 官方 link 安装了 CUDA。

然后,我用

安装了 nvidia-development-kit

sudo apt install nvidia-cuda-toolkit

现在,如果在我的虚拟环境中我这样做:

nvcc -V

我得到:

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Sun_Jul_28_19:07:16_PDT_2019
Cuda compilation tools, release 10.1, V10.1.243

但是,如果(总是在虚拟环境中)我这样做:

python -c "import torch; print(torch.version.cuda)"

我得到:

10.2

这是我第一个不明白的地方。我在虚拟环境中使用的是哪个版本的 CUDA?

然后,如果我 运行 示例 deviceQuery(来自 cuda-samples 文件夹 - 示例可以通过以下 this link 安装)我得到:

./deviceQuery 
./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "NVIDIA GeForce RTX 2080 Super with Max-Q Design"
  CUDA Driver Version / Runtime Version          11.4 / 11.4
  CUDA Capability Major/Minor version number:    7.5
  Total amount of global memory:                 7974 MBytes (8361279488 bytes)
  (048) Multiprocessors, (064) CUDA Cores/MP:    3072 CUDA Cores
  GPU Max Clock rate:                            1080 MHz (1.08 GHz)
  Memory Clock rate:                             5501 Mhz
  Memory Bus Width:                              256-bit
  L2 Cache Size:                                 4194304 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total shared memory per multiprocessor:        65536 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  1024
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 3 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device supports Managed Memory:                Yes
  Device supports Compute Preemption:            Yes
  Supports Cooperative Kernel Launch:            Yes
  Supports MultiDevice Co-op Kernel Launch:      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.4, CUDA Runtime Version = 11.4, NumDevs = 1
Result = PASS

为什么现在提到CUDA 11.4版本?是不是因为我用的是 NVIDIA_CUDA-11.4_Samples 我猜?

另外一个信息如下。如果我查看我的 /usr/local 文件夹,我会看到三个与 CUDA 相关的文件夹。

如果我这样做:

cd /usr/local && ll | grep -i CUDA

我得到:

lrwxrwxrwx  1 root root   22 Oct  7 11:33 cuda -> /etc/alternatives/cuda/
lrwxrwxrwx  1 root root   25 Oct  7 11:33 cuda-11 -> /etc/alternatives/cuda-11/
drwxr-xr-x 16 root root 4096 Oct  7 11:33 cuda-11.4/

这正常吗?

感谢您的帮助。

torch.version.cuda 只是定义为一个字符串。它不查询任何内容。它不会告诉您安装了哪个版本的 CUDA。它只告诉您您安装的 PyTorch 适用于该 (10.2) 版本的 CUDA。但是您系统上 运行 的 CUDA 版本实际上是 11.4.

如果你安装了 PyTorch,比如说,

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

那么你的 Anaconda 目录中应该也有必要的库(cudatoolkit),它可能与你的系统级库不同。

但是,请注意这些取决于 NVIDIA 显示驱动程序:

安装 cudatoolkit 不会安装驱动程序 (nvidia.ko),您需要在系统上单独安装这些驱动程序。

PyTorch 不使用系统的 CUDA 库。当您使用 pip 或 conda 使用预编译的二进制文件安装 PyTorch 时,它会附带一份指定版本的 CUDA 库的副本,该副本安装在您的本地环境中。事实上,您甚至不需要在系统上安装 CUDA 即可使用支持 CUDA 的 PyTorch。