在 Linux 系统中，了解 CUDA 版本对于进行相关开发和优化至关重要。本文将详细介绍多种在 Linux 系统中查看 CUDA 版本的方法。Linux 系统中查看 CUDA 版本有多种途径，以下为大家一一介绍。一、查看 /usr/local/cuda 目录通常，CUDA 被安装在 /usr/local/cuda 目录下，所以可以使用 ls 命令来查看这个目录是否存在，以及查看其中的内容。首先使用 ls /usr/local/cuda，如果这个目录存在，通常它会是一个指向当前使用的 CUDA 版本的符号链接。接着使用 ls -l /usr/local/cuda 查看符号链接的实际目标。如果 /usr/local/cuda 是一个符号链接，可以跟踪这个链接到实际的 CUDA 版本目录。或者，直接查看 /usr/local/ 目录下是否有多个 CUDA 版本的目录，使用 ls /usr/local/。如果有多个 CUDA 版本的目录，可能会看到类似于 cuda-10.1, cuda-11.2 等的目录。若知道某个版本的 CUDA 安装目录，可以进入该目录并查看其版本文件，例如 ls /usr/local/cuda-11.2/version.txt，这个文件通常包含了 CUDA 的版本信息。二、使用 nvcc 命令如果已经安装了 CUDA 编译器 nvcc，可以使用 nvcc --version 命令来查看当前安装的 CUDA 版本（需要确保 nvcc 在你的 PATH 中）。三、检查 libcublas 版本还可以检查 CUDA 相关库的版本，如 libcublas。这些库通常位于 CUDA 的 lib64 目录下，使用 ls /usr/local/cuda/lib64/libcublas*。如果有多个版本的 libcublas 库，可以查看它们的具体版本。注意：nvidia-sminvidia-smi 是 NVIDIA 的系统管理接口工具，用于显示 GPU 的信息，包括驱动版本、CUDA 版本、GPU 利用率等。使用 nvidia-smi 可以查看当前 GPU 的状态和 CUDA 驱动版本，对于检查 GPU 驱动和 CUDA 兼容性非常有用。但请注意，nvidia-smi 显示的是当前 GPU 驱动支持的 CUDA 版本，而不是你实际安装的 CUDA 工具包版本。通过上述方法，应该可以确认系统中安装的 CUDA 版本以及安装目录。如果大家发现了其他在 Linux 系统中查看 CUDA 版本的方法，欢迎在评论区中留言，我会及时更新的！

二、命令行方式

在 Linux 系统中，通过命令行方式查看 CUDA 版本是一种较为直接的方法。通常可以在终端中输入特定的命令来获取当前系统安装的 CUDA 版本信息。使用 nvcc --version 命令可以查看当前系统上安装的 CUDA 版本。执行该命令后，通常会显示 CUDA 版本号、驱动程序版本以及安装路径等相关信息。例如，输出可能类似于“nvcc: NVIDIA (R) Cuda compiler driver Copyright (c)2005-2019 NVIDIA Corporation Built on Mon_Mar_11_15:09:59_CDT_2019 Cuda compilation tools, release 10.1, V10.1.168”，从这里可以明确看出 CUDA 的版本为 10.1.168。此外，还可以使用 nvidia-smi 命令。这是 NVIDIA 的系统管理接口工具，用于显示 GPU 的信息，包括驱动版本、CUDA 版本、GPU 利用率等。执行 nvidia-smi 命令后，终端将显示与 NVIDIA GPU 相关的信息，其中也包括 CUDA 版本。不过需要注意的是，nvidia-smi 显示的是当前 GPU 驱动支持的 CUDA 版本，而不是实际安装的 CUDA 工具包版本。通过命令行方式，我们可以快速准确地了解到 Linux 系统中安装的 CUDA 版本，为相关开发和优化工作提供重要依据。

三、查看安装路径

在 Linux 系统中，我们还可以通过查看 CUDA 的安装路径来确认其版本。具体方法如下：首先，可以使用命令查看 CUDA 的 bin 目录路径。在终端中输入which nvcc命令，该命令会输出 CUDA 的安装路径，通常为/usr/local/cuda/bin/nvcc。这里nvcc是 CUDA 的编译器，安装路径中的/usr/local/cuda就是 CUDA 的安装目录。另外，我们也可以使用whereis nvcc命令来查找 CUDA 的安装路径，通常结果也为/usr/local/cuda/bin/nvcc。其次，查看/usr/local/cuda目录及其子目录和版本文件。如果/usr/local/cuda是一个符号链接，可以跟踪这个链接到实际的 CUDA 版本目录。或者，直接查看/usr/local/目录下是否有多个 CUDA 版本的目录，使用ls /usr/local/。如果有多个 CUDA 版本的目录，可能会看到类似于cuda-10.1、cuda-11.2等的目录。若知道某个版本的 CUDA 安装目录，可以进入该目录并查看其版本文件，例如ls /usr/local/cuda-11.2/version.txt，这个文件通常包含了 CUDA 的版本信息。通过查看安装路径的方法，我们可以较为准确地确定系统中安装的 CUDA 版本。

四、检查相关库文件

在 Linux 系统中，我们还可以通过查看 CUDA 相关的库文件来确认 CUDA 版本。这些库通常位于 CUDA 的安装目录下的特定子目录中。例如，CUDA 相关库文件如 libcublas 通常位于 CUDA 的 lib64 目录下。我们可以使用 ls /usr/local/cuda/lib64/libcublas* 命令来查看这些库文件。如果有多个版本的 libcublas 库，可以进一步查看它们的具体版本信息，从而推断出系统中安装的 CUDA 版本。通过检查这些库文件，我们可以从另一个角度确认系统中安装的 CUDA 版本，为相关开发和优化工作提供更多的依据。

五、使用 nvidia-smi 工具

nvidia-smi 是 NVIDIA 的系统管理接口工具，在 Linux 系统中有着重要的作用。它主要用于显示 GPU 的信息，其中包括驱动版本和 CUDA 版本，同时还能显示 GPU 利用率等其他重要参数。在 Linux 系统中使用 nvidia-smi 非常简单，只需在终端中输入“nvidia-smi”命令即可。执行该命令后，终端将显示与 NVIDIA GPU 相关的信息，如 GPU 的型号、驱动版本、CUDA 版本等。然而，需要特别注意的是，nvidia-smi 显示的是当前 GPU 驱动支持的 CUDA 版本，而非实际安装的 CUDA 工具包版本。这意味着通过 nvidia-smi 查看到的 CUDA 版本可能并不完全准确地反映系统中实际安装的 CUDA 工具包的版本。例如，在某些情况下，可能系统中实际安装的是 CUDA 11.2 版本的工具包，但 nvidia-smi 显示的 CUDA 版本可能是 GPU 驱动支持的更高版本，如 CUDA 11.8。这种情况下，不能仅仅依据 nvidia-smi 的显示结果来确定系统中实际安装的 CUDA 版本。综上所述，nvidia-smi 是一个非常有用的工具，可以帮助我们快速了解 GPU 的状态和一些基本信息，但在确定 CUDA 版本时，需要结合其他方法进行综合判断。

六、使用 Python 库

如果使用 Python 进行深度学习或科学计算，可以通过 Python 库来查看 CUDA 版本。下面分别介绍使用 PyTorch 和 TensorFlow 查看 CUDA 版本的方法。一、使用 PyTorch 查看 CUDA 版本想要查看 Pytorch 实际使用的运行时的 cuda 目录，可以直接输出 cpp_extension.py 中的 CUDA_HOME 变量。上面输出的 /usr/local/cuda 即为软链接的 cuda 版本。需要注意的是，使用 torch.version.cuda 命令查看输出的 cuda 的版本并不一定是 Pytorch 在实际系统上运行时使用的 cuda 版本，而是编译该 Pytorch release 版本时使用的 cuda 版本。二、使用 TensorFlow 查看 CUDA 版本在 TensorFlow 中，可以通过以下方式查看 CUDA 版本：然而，这种方式并不能直接查看 CUDA 版本，只是查看 TensorFlow 的版本。目前还没有直接使用 TensorFlow 库查看 CUDA 版本的标准方法，但可以结合其他方式，如 nvcc --version 或查看 CUDA 安装路径下的文件来确定 CUDA 版本。通过使用 Python 库，可以在进行深度学习或科学计算时方便地查看 CUDA 版本，为项目的开发和优化提供准确的信息。

七、总结

总结：在 Linux 系统中查看 CUDA 版本有多种方法，包括查看 /usr/local/cuda 目录、使用 nvcc 命令、检查 libcublas 版本、使用 nvidia-smi 工具以及通过 Python 库等。不同的方法各有其特点和适用场景，读者可以根据实际情况选择合适的方法来确定系统中安装的 CUDA 版本。例如，如果想要快速查看 CUDA 编译器版本，可以使用 nvcc --version 命令；如果想通过检查库文件来推断 CUDA 版本，可以查看 libcublas 等库的版本信息；而对于使用 Python 进行深度学习或科学计算的用户，可以通过 PyTorch 或 TensorFlow 的特定方法查看 CUDA 版本。同时，需要注意 nvidia-smi 显示的是当前 GPU 驱动支持的 CUDA 版本，而非实际安装的 CUDA 工具包版本。欢迎读者分享其他查看 CUDA 版本的方法，以便我们共同丰富在 Linux 系统中查看 CUDA 版本的途径。