巨蟒是如何挑选cudatoolkit的

我在anaconda的多个环境中安装了不同的cuda工具包

env1具有

cudatoolkit 10.0.130

env2有

cudatoolkit 10.1.168

env3具有

cudatoolkit 10.2.89

我通过在每个环境上运行

conda list

找到了这些

当我执行

nvidia smi

时，无论我处于哪个环境，我都会得到以下输出

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 435.21       Driver Version: 435.21       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce RTX 208...  Off  | 00000000:01:00.0  On |                  N/A |
|  0%   42C    P8     7W / 260W |    640MiB / 11016MiB |      2%      Default |
+-------------------------------+----------------------+----------------------+

上面显示的cuda版本是否与cuda工具包版本相同？ 如果是这样，为什么在所有环境中都是一样的

在拥有

cudatoolkit版本10.2.89

的env3中，我尝试使用命令

pip install cupy-cuda102

安装库。 当我尝试这样做时，会出现以下错误

ERROR: Could not find a version that satisfies the requirement cupy-cuda102 (from versions: none)
ERROR: No matching distribution found for cupy-cuda102

我能够使用CUDA10.1的

pip安装cupy-cuda101

进行安装。 为什么找不到cudatoolkit 10.2

我问这个问题的原因是，当我运行深度学习模型时，我得到一个错误

cupy.cuda.cublas.CUBLASError:cublas_STATUS_NOT_INITIALIZED

。我只是想知道cudatoolkit版本是否与此错误有关。即使此错误与cudatoolkit版本无关，我也想知道anaconda如何使用cudatoolkit

上面显示的cuda版本是否与cuda工具包版本相同

它与CUDA工具包版本无关

如果是这样的话，为什么在所有的环境中都是一样的呢

---

因为它是驱动程序的属性。它是系统中活动驱动程序支持的最大CUDA版本。当你尝试使用CUDA 10.2时，这就是为什么什么都不起作用。您的驱动程序需要更新以支持CUDA 10.2。

这并不是真正回答最初的问题，而是后续问题：

tensorflow和pytorch可通过anaconda直接安装，无需从nvidia明确下载cudatoolkit。它只需要安装gpu驱动程序。在这种情况下，nvcc未安装，但仍能正常工作。在这种情况下它是如何工作的

通常，Anaconda/Conda Forge上的GPU包是使用Anaconda新的CUDA编译器工具链构建的。它的制作方法是将

nvcc

和friends从CUDA工具包中的其他运行库（cuft、cuSPARSE等）中分离出来。后者打包在

cudatoolkit

包中，作为

run

-依赖项（用康达的术语来说），并在安装诸如PyTorch之类的GPU包时安装

然后，GPU包被编译、链接到

cudatoolkit

，并打包，这就是您只需要安装CUDA驱动程序而不需要安装其他驱动程序的原因。由于此链接，系统的CUDA工具包（如果有）在默认情况下被忽略，除非包（如Numba）有自己的方式在运行时查找CUDA库

值得一提的是，安装的

cudatoolkit

并不总是与您的驱动程序匹配。在这种情况下，可以显式约束其版本（例如10.0）：

conda安装一些\u gpu\u包cudatoolkit=10.0

当安装tensorflow的环境被激活时会发生什么？conda是否在激活环境时创建用于访问cuda库的环境变量

---

激活环境时，Conda始终设置一些环境变量。我不完全确定tensorflow，但最有可能的是，在构建时，它链接到CUDA运行库（

cudatoolkit

）。因此，在启动tensorflow或其他GPU应用程序时，他们将使用安装在同一conda env中的

cudatoolkit

。

让我补充两件事：1cudatoolkit仅附带CUDA运行库。不包括驱动程序和nvcc。2. <代码>cupy-cuda102尚未提供。这是一个团队正在研究的问题。@LeoFang tensorflow和pytorch可以直接通过anaconda安装，而无需从nvidia显式下载cudatoolkit。它只需要安装gpu驱动程序。在这种情况下，nvcc未安装，但仍能正常工作。在这种情况下它是如何工作的？当安装tensorflow的环境被激活时会发生什么？conda是否在激活环境时创建用于访问cuda库的环境变量？感谢您澄清本地cuda安装和cudatoolkit anaconda安装之间的区别。然而，有一个名为“cupy”的软件包使用cuda来加速numpy计算。如果启动python终端，导入cupy并运行cupy.show_config（），它将显示CUDA根。我可以通过修改.bashrc文件来更改路径中的cuda位置，cupy将反映新位置。因此，看起来即使anaconda的cudatoolkit是一个“cuda自身”，cupy软件包还是指本机安装的cuda。这是对的吗？@aquagremlin很抱歉我没有听到你的评论。你问对人了我是CuPy的conda forge配方维护者之一。您提出的问题目前正在解决：对于conda forge CuPy，

CuPy.show_config（）

无法正确打印安装在您的conda env中的

cudatoolkit

的路径（尽管链接正确，但实际上使用的是

cudatoolkit

，而不是您的本地CUDA安装），请参阅。因此，你的问题的答案是，就目前而言，是的。