虚拟环境中用Anaconda安装显卡CUDA驱动与CUDA运行版本匹配_cuda和anaconda的版本对应

作者：IT小白 | 2024-03-06 23:35:53

踩

cuda和anaconda的版本对应

问题：运行程序时报错 InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version，描述了显卡驱动与CUDA版本不匹配的问题。

目的：解决版本不匹配的问题。

参考：https://blog.csdn.net/weixin_36474809/article/details/87804903

一、当前版本查看

1.1 查看CUDA驱动版本

1.2 查看base environment中CUDA运行版本


name: GeForce GTX 1080 major: 6 minor: 1 memoryClockRate(GHz): 1.835
pciBusID: 0000:83:00.0
totalMemory: 7.92GiB freeMemory: 1.96GiB
2019-02-20 20:17:15.278289: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0, 1, 2, 3
Traceback (most recent call last):
  File "config.py", line 214, in <module>
    args.func(args)
  File "config.py", line 147, in train
    dnnlib.submission.submit.submit_run(submit_config, **train_config)
  File "/home/xxr2019/NVlabs_noise2noise/dnnlib/submission/submit.py", line 296, in submit_run
    run_wrapper(submit_config)
  File "/home/xxr2019/NVlabs_noise2noise/dnnlib/submission/submit.py", line 249, in run_wrapper
    util.call_func_by_name(func_name=submit_config.run_func_name, submit_config=submit_config, **submit_config.run_func_kwargs)
  File "/home/xxr2019/NVlabs_noise2noise/dnnlib/util.py", line 232, in call_func_by_name
    return func_obj(*args, **kwargs)
  File "/home/xxr2019/NVlabs_noise2noise/train.py", line 76, in train
    tfutil.init_tf(config.tf_config)
  File "/home/xxr2019/NVlabs_noise2noise/dnnlib/tflib/tfutil.py", line 77, in init_tf
    create_session(config_dict, force_as_default=True)
  File "/home/xxr2019/NVlabs_noise2noise/dnnlib/tflib/tfutil.py", line 100, in create_session
    session = tf.Session(config=config)
  File "/home/jcx/.conda/envs/n2n/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1551, in __init__
    super(Session, self).__init__(target, graph, config=config)
  File "/home/jcx/.conda/envs/n2n/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 676, in __init__
    self._session = tf_session.TF_NewSessionRef(self._graph._c_graph, opts)
tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version

一、当前版本查看

1.1 查看CUDA驱动版本

驱动版本即为cuda driver version

输入nvidia-smi，看到我们服务器上的为：

NVIDIA-SMI 375.26 Driver Version: 375.26

输入cat /proc/driver/nvidia/version

NVRM version: NVIDIA UNIX x86_64 Kernel Module 375.26 Thu Dec 8 18:36:43 PST 2016
GCC version: gcc version 4.8.4 (Ubuntu 4.8.4-2ubuntu1~14.04.3)

1.2 查看base environment中CUDA运行版本

运行版本即为cuda runtime version，是在python中安装的cudatoolkit和cudnn程序包的版本


(n2n) jcx@smart-dsp:~/Desktop/xxr2019/NVlabs_noise2noise$ cat /usr/local/cuda/version.txt
CUDA Version 8.0.61
(n2n) jcx@smart-dsp:~/Desktop/xxr2019/NVlabs_noise2noise$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR      6
#define CUDNN_MINOR      0
#define CUDNN_PATCHLEVEL 21
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
 
#include "driver_types.h"

从该图来看，基础环境之中对应关系是没有问题的。

1.3 查看当前虚拟环境中CUDA版本

输入pip list即可看到相应的CUDA，但是在此指令之中，没有看到相应的CUDA版本，可能当前版本中CUDA未安装。

或者输入conda list，看到我们的版本为：我们版本为当前最新版本CUDA，因此需要更新驱动到最新版本。

cudatoolkit 9.2 0
cudnn 7.3.1 cuda9.2_0

二、安装对应

2.1 安装

我们看出是CUDA版本过于新，驱动版本不够新，因此我们安装旧版本的CUDA运行版本，

安装cuda:conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/


Downloading and Extracting Packages
cudatoolkit-8.0      | 322.4 MB  | ####################################################################### | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: done

安装cudnn:conda install cudnn=7.0.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/


Preparing transaction: done
Verifying transaction: done
Executing transaction: done

2.2 检验

输入conda list，看到相应的版本变回与驱动对应的版本

cudatoolkit 8.0 3 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
cudnn 7.0.5 cuda8.0_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/ma

2.3 tensorflow版本安装

一般情况下，版本变动也需要重新安装tensorflow。以免程序报错。

conda install tensorflow-gpu

虚拟环境中用Anaconda安装显卡CUDA驱动与CUDA运行版本匹配_cuda和anaconda的版本对应

一、当前版本查看

1.1 查看CUDA驱动版本

1.2 查看base environment中CUDA运行版本

1.3 查看当前虚拟环境中CUDA版本

二、安装对应

2.1 安装

2.2 检验

2.3 tensorflow版本安装

相关Linux及环境配置

SSH相关

环境配置相关