admin 管理员组

文章数量: 1184232

一、 参考资料

tensorflow各个版本的CUDA以及Cudnn版本对应关系
windows下同一个显卡配置多个CUDA工具包以及它们之间的切换
CUDA、CUDNN在windows下的安装及配置

二、相关介绍

2.1 问题引入

由于tensorflow的版本与CUDA版本是严格匹配的，所以在开发过程中，经常遇到CUDA版本的问题，安装多版本CUDA是必不可少的。本文介绍了多版本CUDA自由切换的方法，亲测有效。

tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status:
 CUDA driver version is insufficient for CUDA runtime version

错误原因：
CUDA版本与驱动版本不匹配

解决办法：
安装当前驱动支持的CUDA版本。

2.2 重要说明

  1. CUDA与显卡驱动没有对应关系，更新显卡驱动到最新版本即可，显卡驱动下载地址。
  2. cuDNN与CUDA版本要对应。
  3. CUDA是NVIDIA推出的用于自家GPU的并行计算框架，CUDA的本质是一个工具包（ToolKit）。
  4. cuDNN是一个SDK，是一个专门用于神经网络的加速包。
  5. 安装CUDA过程中会绑定安装显卡驱动（默认），因为CUDA Toolkit安装包内含对应版本Nvidia显卡驱动，则取消勾选显卡驱动，只安装CUDA Toolkit即可。

三、具体步骤

  1. 安装CUDA参考博客 CUDA、CUDNN在windows下的安装及配置。
  2. 多版本共存的前提是已经安装了CUDA，博主已经安装了CUDA10.1。
  3. 下载CUDA11.1安装包，下载对应的cuDNN。
  4. 自定义安装CUDA11.1，勾选选项。当前版本比新版本新时，取消勾选。



  5. 配置cuDNN。
  6. 配置环境变量。
    CUDA10.1是之前安装的，CUDA11.1是之后安装的，所以默认CUDA10.1的环境变量在CUA11.1之前，CUDA_PATH环境变量被CUDA11.1覆盖。


7. 切换CUDA版本时，只需要切换环境变量中CUDA的顺序即可，比如让CUDA11.1生效，则CUDA11.1环境变量在CUDA10.1之前。

8. 查看切换版本是否生效。

9. 如果要切换回CUDA10.1，在环境变量中，将CUDA10.1调在CUDA11.1之前即可。

10. 查看切换版本是否生效

本文标签： 版本 Windows CUDA

版权声明：本文标题：Windows下CUDA多版本共存 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1754824742a3040511.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。