一、cuDNN安装后验证的问题在前面的cuDNN安装验证中(CUDA环境的安装之高版本更新)使用了Pytorch框架的相关Python脚本进行处理。但在后续的不断深入中发现了一个细节问题。下面是使用脚本验证的结果PyTorch安装信息: PyTorch版本: 2.10.0cu126 CUDA可用: True CUDA版本: 12.6 cuDNN启用: True GPU数量: 1 当前GPU: NVIDIA GeForce GTX 960 GPU内存: 4.29 GB cuDNN操作测试: 成功 cuDNN版本: 91002当时也没有注意发现其最后一行“cuDNN版本: 91002”版本号与实际安装的不一致实际安装的是cuDNN8.9.7.29,上篇文章写成8.7了不过截图是8.9啊。先是从网上搜索发现有不少的回答说是Pytorch框架自定义的返回错误值这下有点小慌。不过前面对应的测试代码和相关的cuDNN的调用都是通过的。二、具体情况说明经过更深入的资料查找和相关细节的查询发现91002代表的是cuDNN9.10.0.2是一个较新的版本。而且Pytorch为了更好的利用cuDNN库会预编译优化过的相关库。也就是说自行安装的cuDNN并不会影响到Pytorch框架的应用。这也意味着网上提出的利用Pytorch来验证cuDNN是否安装成功不适合于手动安装的这种情况。回忆一下Pytorch的安装是使用pip命令进行的使用conda也是如此。其二进制包内会自带cuDNN在前面的验证程序中其实就是调用了框架自身的cuDNN版本的库所以返回的版本信息与实际安装的显示不同。这种情况自Pytorch2.3以后就基本这样了。从目前得到信息来看这种情况并不影响使用而且也不推荐手动将Pytorch中的cuDNN显式的指定到手动安装的系统中的 cuDNN(即8.9版本)。这是一种正常的现象不需要进行处理除非有特殊的兼容的需求情况。此处顺带说一下在查找资料的过程发现TensorFlow自2.11版本后不再支持Windows平台上的GPU处理。如果想在Windows平台应用GPU版本的TensorFlow则只能使用 TensorFlow 2.10 CUDA 11.2 cuDNN 8.1。此处先做个备份省得未来安装时踩这个坑。三、实例既然前面的例程无法证明本地的cuDNN是否安装成功那么如何怎么样才能真正证明本地的cuDNN可用呢已经有了CUDA的环境那就直接上。使用CUDA利用C直接调用相关的库接口。看代码#includeiostream#includecudnn.hintmain(){std::cout获取当前安装的cuDNN环境std::endl;// 获取 cuDNN 版本size_tvercudnnGetVersion();std::cout当前环境安装的cuDNN版本: verstd::endl;// 获取版本细节intmajorver/1000;intminor(ver%1000)/100;intpatch(ver%100)/10;std::cout版本号管理的版本为: major.minor.patchstd::endl;// 创建操作句柄cudnnHandle_th;cudnnStatus_tstatuscudnnCreate(h);if(statusCUDNN_STATUS_SUCCESS){std::cout成功创建操作句柄!std::endl;cudnnDestroy(h);std::cout操作句柄已经销毁!std::endl;return0;}else{std::cerr操作句柄创建失败! 错误码: statusstd::endl;return1;}return0;}相关代码的处理为在VC环境中创建一个控制台项目将上面代码拷贝到主文件配置相关的头文件和库目录路径右键项目属性VC目录 包含目录,添加 CUDA include 路径本文为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\includeVC目录 库目录添加 CUDA lib 路径本文为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\lib\x64配置链接库链接器 输入 附加依赖项添加 cudnn.lib重新编译并运行得到的运行结果为获取当前安装的cuDNN环境 当前环境安装的cuDNN版本: 8907 版本号管理的版本为: 8.9.0 成功创建操作句柄! 操作句柄已经销毁!四、总结“正入万山圈子里一山方出一山拦”。虽然说不会影响使用但安装好却无法证明确实是一个重要的问题。版本的迭代和映射太复杂了一不小心就会出现各种各样的问题。其实Pytorch这样做应该是更妥贴的防止出现版本不匹配的现象出现。但这也从另外一个层面屏蔽了底层安装的一种验证机制这就是一个如何看待场景应用的问题了。