TensorFlow，pytorch，cuda，cudnn，显卡驱动之间的区别以及对应关系

一.概念理解

显卡驱动连接操作系统与底层硬件。

CUDA和NVIDIA的显卡驱动程序完全是两个不同的概念。CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。CUDA的本质是一个工具包（ToolKit）。

cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。

TensorFlow为谷歌推出的深度学习框架，pytorch是Facebook 推出的深度学习框架。

二.版本对应关系

深度学习框架基于GPU运算效率远高于CPU，但是需要满足框架的版本和cuda，cudnn以及显卡驱动版本匹配才可以正常工作。

tensorflow

pytorch

cuDNN与CUDA

CUDA和NVIDIA显卡驱动关系

三.常用命令

查看GPU型号

lspci | grep -i nvidia

查看NVIDIA驱动版本

cat /proc/driver/nvidia/version

Python 查看pytorch版本、判断CUDA是否可用

import torch 
print(torch.__version__) 
print(torch.cuda.is_available())

查看cuda版本

cat /usr/local/cuda/version.txt
conda list | grep cuda

Tensorflow中查看GPU是否可用

import tensorflow as tf
tf.test.is_gpu_available()

四.参考文献

https://blog.csdn.net/caiguanhong/article/details/112184290