如何查看已安装的CUDA版本？

Question

**问题：如何在不同操作系统中查看已安装的CUDA版本？** 在进行深度学习或GPU编程时，了解系统中安装的CUDA版本至关重要。不同的深度学习框架（如TensorFlow、PyTorch）对CUDA版本有特定依赖，版本不匹配可能导致兼容性问题。然而，许多开发者不清楚如何准确查看当前系统的CUDA版本。本文将介绍在Windows、Linux和macOS系统下查看CUDA版本的几种常用方法，包括使用命令行工具`nvcc`、`nvidia-smi`以及Python接口等，帮助开发者快速确认环境配置是否正确。

Answer 1

如何在不同操作系统中查看已安装的CUDA版本？

在进行深度学习或GPU编程时，了解系统中安装的CUDA版本至关重要。不同的深度学习框架（如TensorFlow、PyTorch）对CUDA版本有特定依赖，版本不匹配可能导致兼容性问题。然而，许多开发者不清楚如何准确查看当前系统的CUDA版本。本文将介绍在Windows、Linux和macOS系统下查看CUDA版本的几种常用方法，包括使用命令行工具nvcc、nvidia-smi以及Python接口等，帮助开发者快速确认环境配置是否正确。

一、通过命令行工具查看CUDA版本

这是最直接的方法，适用于大多数开发环境。

• Windows： 打开命令提示符（CMD 或 PowerShell），输入以下命令：

  nvcc --version

• Linux： 在终端中执行：

  nvcc -V

• macOS： macOS支持CUDA的时间较短，且仅限某些旧版NVIDIA显卡。若你的Mac支持CUDA，可尝试：

  nvcc --version

输出结果通常如下所示（以Linux为例）：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on xxxxxxxxx
Cuda compilation tools, release 12.1, V12.1.105

二、使用nvidia-smi查看驱动与CUDA运行时信息

nvidia-smi 是NVIDIA提供的系统管理接口工具，可以显示GPU状态及CUDA驱动版本。

• 在任意系统终端中执行：

  nvidia-smi

输出示例如下：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 535.54.03    Driver Version: 535.54.03    CUDA Version: 12.2     |
+-----------------------------------------------------------------------------+

字段	说明
NVIDIA-SMI 版本	显示当前nvidia-smi工具版本
Driver Version	显示当前安装的NVIDIA驱动版本
CUDA Version	显示该驱动支持的最高CUDA运行时版本

三、通过Python接口获取CUDA版本信息

如果你正在使用深度学习框架（如PyTorch或TensorFlow），可以通过Python脚本直接查询CUDA版本。

1. 使用PyTorch查询CUDA版本

安装PyTorch后，在Python环境中执行：

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

输出示例：

True
11.8

2. 使用TensorFlow查询CUDA版本

在TensorFlow环境中执行：

from tensorflow.python.platform import build_info
print(build_info.cuda_version_number)
print(build_info.cudnn_version_number)

输出示例：

11100
8400

四、通过系统路径检查CUDA安装目录（高级用法）

在Linux或macOS中，你可以查看CUDA安装路径下的版本文件来确认版本。

• 进入默认安装路径：

  cd /usr/local/cuda/version.txt

• 查看内容：

  cat /usr/local/cuda/version.txt

输出示例：

CUDA Version 12.1.105

五、流程图总结查看方式

graph TD
    A[开始] --> B{操作系统类型}
    B -->|Windows| C[使用 nvcc --version]
    B -->|Linux| D[使用 nvcc -V 或 nvidia-smi]
    B -->|macOS| E[使用 nvcc --version]
    A --> F[通过Python库 PyTorch/TensorFlow 查询]
    A --> G[查看CUDA安装目录中的 version.txt 文件]