升级 CUDA Toolkit 12.9 与 cuDNN 9.9.0 后验证指南：功能与虚拟环境检测

#工作记录

在 NVIDIA 发布 CUDA Toolkit 12.9 与 cuDNN 9.9.0 后，开发者纷纷选择升级以获取新特性和性能提升。

CUDA Toolkit 12.9 与 cuDNN 9.9.0 发布，带来全新特性与优化-CSDN博客

然而，升级完成并不意味着大功告成，确认升级后功能正常，且对 Windows 系统上原有的 conda 和 virtualenv 等虚拟环境无影响至关重要。

以下是详细的验证步骤和方法。

一、验证 CUDA Toolkit 12.9 功能

1. 检查 CUDA 编译器

打开 Windows 命令提示符，输入nvcc -V并回车。若安装正确，命令行将返回 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

若未显示对应信息或提示命令未找到，说明 CUDA 编译器安装存在问题，可能需要重新安装或检查系统环境变量配置。

2. 运行 CUDA 示例项目

CUDA Toolkit 安装目录（默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\extras\demo_suite ）下包含可直接运行的示例程序。

以deviceQuery为例，可通过以下方式运行：

.\deviceQuery.exe

打开 CMD 或 PowerShell，使用cd命令导航到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\extras\demo_suite 目录，然后运行.\deviceQuery.exe 。

若运行结果中出现类似以下信息：

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

则表明 CUDA 能够正确识别 GPU 设备，且基本的设备查询功能正常，GPU 加速功能初步可用。

二、验证 CUDA Toolkit 12.9 与 cuDNN 9.9.0 在虚拟环境中的功能

1. 检查 conda 虚拟环境

打开命令提示符，输入conda activate [虚拟环境名称]，将目标 conda 虚拟环境激活。

例如，若虚拟环境名为 “myenv”，则输入conda activate myenv。

“100% 成功的 PyTorch CUDA GPU 支持” 安装攻略-CSDN博客

在激活的 conda 虚拟环境中，运行以下验证代码：

使用 PyTorch 验证

import torch  # 导入 PyTorch 库print("PyTorch 版本：", torch.__version__)  # 打印 PyTorch 的版本号# 检查 CUDA 是否可用，并设置设备（"cuda:0" 或 "cpu"）
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("设备：", device)  # 打印当前使用的设备
print("CUDA 可用：", torch.cuda.is_available())  # 打印 CUDA 是否可用
print("cuDNN 已启用：", torch.backends.cudnn.enabled)  # 打印 cuDNN 是否已启用# 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())# 创建两个随机张量（默认在 CPU 上）
x = torch.rand(5, 3)
y = torch.rand(5, 3)# 将张量移动到指定设备（CPU 或 GPU）
x = x.to(device)
y = y.to(device)# 对张量进行逐元素相加
z = x + y# 打印结果
print("张量 z 的值：")
print(z)  # 输出张量 z 的内容

若输出显示torch.cuda.is_available()为True，且支持的 CUDA 版本、cuDNN 版本信息与预期相符，张量运算能在 GPU 设备上正常执行，说明 CUDA Toolkit 12.9 与 cuDNN 9.9.0 在该 conda 虚拟环境中功能正常。

附件1

使用 TensorFlow 验证

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，且能正确列出系统中的 GPU 设备，则表示 TensorFlow 可借助 CUDA 和 cuDNN 在该虚拟环境中使用 GPU 加速功能。

2. 检查 virtualenv 虚拟环境

进入 virtualenv 虚拟环境对应的 Scripts 目录（例如虚拟环境安装在F:\PythonProjects\SkyReels-V2，则进入F:\PythonProjects\SkyReels-V2），在命令提示符中运行.venv\Scripts\activate激活虚拟环境，然后输入python进入python环境。

.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 虚拟环境中，同样运行上述 PyTorch 和 TensorFlow 的验证代码。若运行结果与在 conda 虚拟环境下类似，即各框架能正确识别 CUDA 和 cuDNN，且可利用 GPU 进行运算，则可确认升级 CUDA Toolkit 12.9 和 cuDNN 9.9.0 对该 virtualenv 虚拟环境无不良影响。

附件2

根据在 conda 虚拟环境和 virtualenv 虚拟环境中的验证情况（见图片附件 1、附件 2）：

在 conda 虚拟环境中，PyTorch 版本为2.8.0.dev20256327+cu128，检测到设备为cuda:0 ，CUDA 可用返回True，cuDNN 已启用返回True，支持的 CUDA 版本为12.8 ，cuDNN 版本为90791 。最终张量运算结果正常，且运行在device='cuda:0' 上。
在 virtualenv 虚拟环境中，PyTorch 版本为2.5.1+cu124 ，检测到设备为cuda:0 ，CUDA 可用返回True，cuDNN 已启用返回True，支持的 CUDA 版本为12.4 ，cuDNN 版本为98108 。最终张量运算结果正常，且运行在device='cuda:0' 上。
若出现异常，如torch.cuda.is_available()返回False，可能是 CUDA、cuDNN 或 PyTorch 安装存在问题，需进一步排查。