欢迎学习交流！
邮箱： z…@1…6.com
网站： https://zephyrhours.github.io/

一、NVIDIA版本确认命令解析

在使用深度学习的Pytorch库时，我们通常需要先了解CUDA的版本，然后根据CUDA的版本来选择我们需要的Pytorch版本。一般情况下，我们通常会在网上找到两个用于查看CUDA的命令，

nvcc -V
nvidia-smi

而有时候使用这两个命令查看CUDA版本时，会出现查到的CUDA版本不一致的情况，具体如下


从上面图中可以看出一些问题，那么我们在安装Pytorch时，以哪个为准呢？下面我们来具体说一下这两个命令的主要区别，具体如下：

nvcc -V（或者nvcc --version）：

• 功能： 用于显示 NVIDIA CUDA 编译器的版本信息。
• 用途： 用于确定安装在系统上的 CUDA 工具集的版本，主要用于开发 CUDA 应用程序。
• 输出信息： CUDA 编译器版本号、构建日期和其他相关信息。

nvidia-smi：

• 功能： NVIDIA 系统管理接口工具，用于提供 NVIDIA GPU 的实时状态和监控信息。
• 用途： 用于监控和管理 NVIDIA GPU 的性能和健康状况，如温度、使用率、内存使用情况等。
• 输出信息： GPU 型号、使用率、温度、功耗、内存信息、驱动版本和正在 GPU 上运行的进程。

二、Pytorch对应的NVIDIA版本选择

以上信息，简单来说其实就是：

• nvcc -V 主要用于显示CUDA编译器的版本，更多用于CUDA开发环境的版本确认；
• nvidia-smi 显示的是GPU驱动支持的CUDA最高版本，因此我们安装pytorch选择版本时，需要以此命令显示的CUDA版本为准。

具体点就是：

1. 打开Pytorch官网（https://pytorch.org/）；
2. 选择并确认开发环境，然后复制命令，进行版本安装；
   
   上图中的cuda=11.8就是cuda的版本号，安装时，安装与自己电脑CUDA对应的版本号即可，（这里我们的电脑显示的是cuda=12.4），可以手动进行修改即可，如果安装不成功，建议安装小于且接近于12.4版本的cuda即可，（即，使用cuda=12.1）的安装命令来进行安装。

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
# -c 表示强制在官网安装，如果无法安装，可以去掉 -c 命令之后再次尝试，或更换国内源后或者使用代理之后在使用该命令

如果使用Anaconda进行Python版本的虚拟环境创建时，建议使用相对成熟且主流的Python版本，不建议使用最新版本的Python，因为Python是基于第三方库的程序，而其他第三方库的更新一般滞后于Python新的版本发布时间。