#工作記錄

在 NVIDIA 發布 CUDA Toolkit 12.9 與 cuDNN 9.9.0 后，開發者紛紛選擇升級以獲取新特性和性能提升。

CUDA Toolkit 12.9 與 cuDNN 9.9.0 發布，帶來全新特性與優化-CSDN博客

然而，升級完成并不意味著大功告成，確認升級后功能正常，且對 Windows 系統上原有的 conda 和 virtualenv 等虛擬環境無影響至關重要。

以下是詳細的驗證步驟和方法。

一、驗證 CUDA Toolkit 12.9 功能

1. 檢查 CUDA 編譯器

打開 Windows 命令提示符，輸入nvcc -V并回車。若安裝正確，命令行將返回 CUDA Toolkit 12.9 的版本信息，如 “Cuda compilation tools, release 12.9, V12.9.103”。

nvcc -V

C:\Users\love>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2025 NVIDIA Corporation
Built on Wed_Apr__9_19:29:17_Pacific_Daylight_Time_2025
Cuda compilation tools, release 12.9, V12.9.41
Build cuda_12.9.r12.9/compiler.35813241_0?

若未顯示對應信息或提示命令未找到，說明 CUDA 編譯器安裝存在問題，可能需要重新安裝或檢查系統環境變量配置。

2. 運行 CUDA 示例項目

CUDA Toolkit 安裝目錄（默認路徑為C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\extras\demo_suite ）下包含可直接運行的示例程序。

以deviceQuery為例，可通過以下方式運行：

.\deviceQuery.exe

打開 CMD 或 PowerShell，使用cd命令導航到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\extras\demo_suite 目錄，然后運行.\deviceQuery.exe 。

若運行結果中出現類似以下信息：

Detected 1 CUDA Capable device(s)

Device 0: "NVIDIA GeForce RTX 3090"

CUDA Driver Version / Runtime Version 12.9 / 12.9

CUDA Capability Major/Minor version number: 8.6

Total amount of global memory: 24576 MBytes (25769279488 bytes)

...

Result = PASS

則表明 CUDA 能夠正確識別 GPU 設備，且基本的設備查詢功能正常，GPU 加速功能初步可用。

二、驗證 CUDA Toolkit 12.9 與 cuDNN 9.9.0 在虛擬環境中的功能

1. 檢查 conda 虛擬環境

打開命令提示符，輸入conda activate [虛擬環境名稱]，將目標 conda 虛擬環境激活。

例如，若虛擬環境名為 “myenv”，則輸入conda activate myenv。

“100% 成功的 PyTorch CUDA GPU 支持” 安裝攻略-CSDN博客

在激活的 conda 虛擬環境中，運行以下驗證代碼：

使用 PyTorch 驗證

import torch  # 導入 PyTorch 庫print("PyTorch 版本：", torch.__version__)  # 打印 PyTorch 的版本號# 檢查 CUDA 是否可用，并設置設備（"cuda:0" 或 "cpu"）
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("設備：", device)  # 打印當前使用的設備
print("CUDA 可用：", torch.cuda.is_available())  # 打印 CUDA 是否可用
print("cuDNN 已啟用：", torch.backends.cudnn.enabled)  # 打印 cuDNN 是否已啟用# 打印 PyTorch 支持的 CUDA 和 cuDNN 版本
print("支持的 CUDA 版本：", torch.version.cuda)
print("cuDNN 版本：", torch.backends.cudnn.version())# 創建兩個隨機張量（默認在 CPU 上）
x = torch.rand(5, 3)
y = torch.rand(5, 3)# 將張量移動到指定設備（CPU 或 GPU）
x = x.to(device)
y = y.to(device)# 對張量進行逐元素相加
z = x + y# 打印結果
print("張量 z 的值：")
print(z)  # 輸出張量 z 的內容

若輸出顯示torch.cuda.is_available()為True，且支持的 CUDA 版本、cuDNN 版本信息與預期相符，張量運算能在 GPU 設備上正常執行，說明 CUDA Toolkit 12.9 與 cuDNN 9.9.0 在該 conda 虛擬環境中功能正常。

使用 TensorFlow 驗證

import tensorflow as tfprint(tf.test.is_gpu_available())print(tf.config.list_physical_devices('GPU'))

若tf.test.is_gpu_available()返回True，且能正確列出系統中的 GPU 設備，則表示 TensorFlow 可借助 CUDA 和 cuDNN 在該虛擬環境中使用 GPU 加速功能。

2. 檢查 virtualenv 虛擬環境

進入 virtualenv 虛擬環境對應的 Scripts 目錄（例如虛擬環境安裝在F:\PythonProjects\SkyReels-V2，則進入F:\PythonProjects\SkyReels-V2），在命令提示符中運行.venv\Scripts\activate激活虛擬環境，然后輸入python進入python環境。

.venv\Scripts\activate

(.venv) PS F:\PythonProjects\SkyReels-V2>?

python

(.venv) PS F:\PythonProjects\SkyReels-V2> python
Python 3.10.16 | packaged by Anaconda, Inc. | (main, Dec 11 2024, 16:19:12) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>??

在激活的 virtualenv 虛擬環境中，同樣運行上述 PyTorch 和 TensorFlow 的驗證代碼。若運行結果與在 conda 虛擬環境下類似，即各框架能正確識別 CUDA 和 cuDNN，且可利用 GPU 進行運算，則可確認升級 CUDA Toolkit 12.9 和 cuDNN 9.9.0 對該 virtualenv 虛擬環境無不良影響。

根據在 conda 虛擬環境和 virtualenv 虛擬環境中的驗證情況（見圖片附件 1、附件 2）：

• 在 conda 虛擬環境中，PyTorch 版本為2.8.0.dev20256327+cu128，檢測到設備為cuda:0?，CUDA 可用返回True，cuDNN 已啟用返回True，支持的 CUDA 版本為12.8?，cuDNN 版本為90791?。最終張量運算結果正常，且運行在device='cuda:0'?上。
• 在 virtualenv 虛擬環境中，PyTorch 版本為2.5.1+cu124?，檢測到設備為cuda:0?，CUDA 可用返回True，cuDNN 已啟用返回True，支持的 CUDA 版本為12.4?，cuDNN 版本為98108?。最終張量運算結果正常，且運行在device='cuda:0'?上。
  若出現異常，如torch.cuda.is_available()返回False，可能是 CUDA、cuDNN 或 PyTorch 安裝存在問題，需進一步排查。

三、總結

關于兼容性和驗證時顯示的版本問題

在深度學習領域，CUDA、cuDNN 和 torch 之間具備向下兼容特性。這得益于它們的自動適配安裝機制，會依據當前環境以及已有庫狀況，安裝最合適版本，所以開發者無需因驗證版本號與安裝版本號不一致而憂心。

目前，torch 官方尚未發布支持 CUDA 12.9 的版本。當在 Windows 主系統完成 CUDA Toolkit 12.9 與 cuDNN 9.9.0 升級后，若未在 conda、virtualenv 等虛擬環境中另行安裝適配新版本的庫，驗證時會呈現虛擬環境中原先的版本信息。

比如，即便主系統已安裝 cuDNN 9.9.0，可虛擬環境若未變動安裝，驗證時仍可能顯示為 9070（即原安裝的 9.7 版本 ）或其他原版本號。

關于驗證目的性的回歸說明

而進行這些驗證，主要是為確認在 Windows 主系統中完成 CUDA Toolkit 12.9 與 cuDNN 9.9.0 升級后，不會對系統內包括 conda、virtualenv 等虛擬環境中的 CUDA、cuDNN 及其他庫的正常使用造成影響，保證升級安裝基本不會干擾生產力環境。

通過以上對 CUDA Toolkit 12.9、cuDNN 9.9.0 功能的驗證，以及在 conda 和 virtualenv 虛擬環境中的測試，開發者能夠全面確認升級操作的有效性和穩定性，確保后續基于 GPU 加速的開發工作順利進行。

若在驗證過程中遇到問題，可參考 NVIDIA 官方文檔、相關開源社區或技術論壇尋求解決方案。