问小白 wenxiaobai
资讯
历史
科技
环境与自然
成长
游戏
财经
文学与艺术
美食
健康
家居
文化
情感
汽车
三农
军事
旅行
运动
教育
生活
星座命理

NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南

创作时间:
作者:
@小白创作中心

NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南

引用
CSDN
1.
https://blog.csdn.net/byxdaz/article/details/146133963

一、驱动安装

1、下载驱动
前往NVIDIA驱动下载页,输入显卡型号和操作系统类型,选择≥目标CUDA版本要求的驱动版本。

2、安装驱动

  • Windows:双击安装包按向导操作。
  • Linux:建议使用apt或官方.run文件安装。

3、验证
运行nvidia-smi,检查驱动版本是否满足要求。

二、核心匹配原则

1、显卡驱动与CUDA版本兼容性

1)NVIDIA 显卡驱动需满足 CUDA 工具包的最低要求,例如 CUDA 11.8 需驱动版本 ≥515.43.04,CUDA 12.x 需驱动 ≥535.54.03。
显卡驱动查询方法:输入命令:nvidia-smi,输出右上角显示 CUDA Version: 12.5 即最高支持的 CUDA 版本。
2)CUDA版本所需的最低驱动版本。
访问NVIDIA官方文档,进入CUDA Toolkit Release Notes,查找目标CUDA版本对应的驱动版本要求。

注意:驱动是向下兼容的,其决定了可安装的CUDA Toolkit的最高版本。

2、GPU 算力与 CUDA 版本对应关系

显卡算力与CUDA版本的关系主要体现在显卡的Compute Capability(算力)决定了支持的CUDA版本。
NVIDIA显卡的算力是通过Compute Capability(CC)来衡量的,不同的显卡有不同的CC值。例如,NVIDIA的RTX A2000显卡的算力为8.6,即CC为8.6。CUDA版本需要支持显卡的CC值,否则会出现兼容性问题。

1)查显卡算力
https://developer.nvidia.com/cuda-gpus#compute
比如:GeForce RTX 3080 算力8.6

2)通过NVIDIA Datacenter Drivers :: NVIDIA Data Center GPU Driver Documentation查询算力对应CUDA版本。

3、CUDA 与 cuDNN 的对应关系

CUDA 与 cuDNN:需严格匹配,例如 CUDA 11.8 对应 cuDNN 8.6.0,CUDA 12.2 对应 cuDNN 8.9.0。
官方版本对应表可参考cuDNN Archive | NVIDIA Developer

4、TensorRT与CUDA、cuDNN 的对应关系

TensorRT 依赖:必须与 CUDA、cuDNN 版本一致(如 TensorRT 8.5.3.1 需 CUDA 11.8 + cuDNN 8.6.0)。

1)打开TensorRT官网说明文档,查看各版本支持的计算能力。
Documentation Archives :: NVIDIA Deep Learning TensorRT Documentation
从上面列表中,点击打开一个链接,有该TensorRT版本适配CUDA版本和cuDNN版本。比如:NVIDIA TensorRT 8.6.1 打开后选择“Support Matrix”链接。
点击打开链接后,搜索“Supported Features per Platform”,里面就有CUDA、cuDNN版本。

搜索“Software Versions Per Platform”,查看一些软件版本。

三、推荐版本组合

显卡系列
驱动版本
CUDA 版本
cuDNN 版本
TensorRT 版本
RTX 40 系
≥535.54.03
12.2
8.9.0
10.0.0.1
RTX 30 系
≥515.43.04
11.8
8.6.0
8.5.3.1
通用兼容方案
≥545.84
12.3
8.9.7(适配 12.x)
8.6.1
Titan V/RTX 20系
≥470.82
11.1
8.2.1
8.2.4.2

四、安装与验证

1、安装顺序

显卡驱动 → Visual Studio(可选) → CUDA → cuDNN → TensorRT。
Windows 示例:安装 CUDA 12.2 时需先卸载旧版本驱动,避免冲突。

2、版本验证

CUDA:终端输入 nvcc --version,输出显示 CUDA 编译工具版本。
cuDNN:在 Python 中执行 torch.cuda.cudnn_version() 或检查安装目录的版本文件。
TensorRT:运行 trtexec --version 或检查安装目录的版本文件。

五、注意事项

1、驱动更新策略

1)优先通过 NVIDIA 官网下载驱动,避免使用系统自动更新(可能导致版本不匹配)。
2)若 CUDA 版本与驱动不兼容,需降级驱动或升级 CUDA。

2、性能优化建议

1)使用 TensorRT 官方测试过的组合(如 CUDA 12.2 + cuDNN 8.9.0 + TensorRT 10.0.0.1),可减少推理时延。
2)避免混用不同版本的 CUDA 动态库(如同时安装 CUDA 11.x 和 12.x)。

© 2023 北京元石科技有限公司 ◎ 京公网安备 11010802042949号