← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9866.a · 生成模型:Hunyuan

驱动与CUDA对应

理解等级:中级

判断能否安装某个 CUDA 版本,靠的是 Nvidia 官方 release notes 中的驱动与 CUDA runtime 对应表,而不是凭感觉。操作上先用 nvidia-smi 读出 Driver Version,再查表确认该驱动支持的最低 CUDA 版本;本文的 387.26 对应不上 CUDA 10+,所以结论是无法安装 CUDA 10+ 对应的 cuDNN,必须先升级驱动。安装前还应注意 /boot 分区空间:可用 dpkg –get-selections 配合 grep linux-image 查看内核列表、uname -r 查看当前内核,必要时删除非当前内核腾出空间。这条经验可迁移到任何深度学习主机:驱动版本决定了你能用的 CUDA 上限,进而决定能装的框架版本,是整条依赖链的最底层。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》附录A 基于GPU的TensorFlow 2+与PyTorch 1+升级安装(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter21_0002.xhtml) - 结论依据:原文 A.3 给出 nvidia-smi 查看驱动与官方对应表,并以 387.26 得出需升级驱动的结论;A.2 列出查看与删除内核的命令应对 /boot 不足。 - 原始内容:其驱动与CUDA runtime版本的对应关系如表A-1所示。 表A-1 CUDA与其兼容的驱动版本 从表A-1可知,因笔者目前的GPU驱动版本为Driver Version: 387.26,所以无法安装cudnn10+,需要升级GPU驱动。