如何查看当前CUDA版本_详细步骤解析

码农

2025-04-22 11

要查看当前安装的CUDA版本，可以根据不同的操作系统和工具使用以下方法：

方法1：通过命令行查看

Linux/macOS

打开终端。
输入以下命令：
```
nvcc --version
```
输出示例：
```
Cuda compilation tools, release 11.8, V11.8.89
```
其中 release 11.8 表示CUDA版本为11.8。
如果 nvcc 命令不可用，可能是CUDA未正确安装或环境变量未配置。

Windows

打开命令提示符（cmd）或PowerShell。
输入以下命令：
```
nvcc --version
```
或检查环境变量中的CUDA路径（如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.x\bin）。

方法2：通过NVIDIA-SMI工具

打开终端（Linux/macOS）或命令提示符（Windows）。
输入以下命令：
```
nvidia-smi
```

在输出中查找 CUDA Version 字段：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 531.41       Driver Version: 531.41       CUDA Version: 12.1     |
+-----------------------------------------------------------------------------+

注意：此方法显示的CUDA版本是驱动程序支持的版本，而非实际安装的CUDA Toolkit版本。

方法3：检查CUDA安装目录

Linux：
- 默认安装路径为 /usr/local/cuda。
- 使用以下命令查看版本：
```
cat /usr/local/cuda/version.txt
```
- 输出示例：
```
CUDA Version 11.8.0
```
Windows：
- 检查CUDA安装目录（如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.x）。
- 版本号通常体现在文件夹名称中（如 v11.8）。

方法4：通过Python检查（适用于安装了PyTorch或TensorFlow等库）

打开Python环境（如终端输入 python 或使用Jupyter Notebook）。

运行以下代码：

PyTorch：

import torch
print(torch.version.cuda)
print(torch.cuda.is<em>available())  # 检查CUDA是否可用

TensorFlow：

import tensorflow as tf
print(tf.sysconfig.get<em>build</em>info()['cuda</em>version'])

常见问题

nvcc 命令未找到：
- 可能未正确配置环境变量。
- 检查CUDA安装路径是否添加到 PATH（Windows）或 ~/.bashrc（Linux）中。
CUDA版本与驱动不兼容：
- 使用 nvidia-smi 检查驱动支持的CUDA版本，确保与安装的CUDA Toolkit版本匹配。