在 Linux 系統(tǒng)中，了解 CUDA 版本對于進行相關(guān)開發(fā)和優(yōu)化至關(guān)重要。本文將詳細介紹多種在 Linux 系統(tǒng)中查看 CUDA 版本的方法。Linux 系統(tǒng)中查看 CUDA 版本有多種途徑，以下為大家一一介紹。一、查看 /usr/local/cuda 目錄通常，CUDA 被安裝在 /usr/local/cuda 目錄下，所以可以使用 ls 命令來查看這個目錄是否存在，以及查看其中的內(nèi)容。首先使用 ls /usr/local/cuda，如果這個目錄存在，通常它會是一個指向當(dāng)前使用的 CUDA 版本的符號鏈接。接著使用 ls -l /usr/local/cuda 查看符號鏈接的實際目標(biāo)。如果 /usr/local/cuda 是一個符號鏈接，可以跟蹤這個鏈接到實際的 CUDA 版本目錄。或者，直接查看 /usr/local/ 目錄下是否有多個 CUDA 版本的目錄，使用 ls /usr/local/。如果有多個 CUDA 版本的目錄，可能會看到類似于 cuda-10.1, cuda-11.2 等的目錄。若知道某個版本的 CUDA 安裝目錄，可以進入該目錄并查看其版本文件，例如 ls /usr/local/cuda-11.2/version.txt，這個文件通常包含了 CUDA 的版本信息。二、使用 nvcc 命令如果已經(jīng)安裝了 CUDA 編譯器 nvcc，可以使用 nvcc --version 命令來查看當(dāng)前安裝的 CUDA 版本（需要確保 nvcc 在你的 PATH 中）。三、檢查 libcublas 版本還可以檢查 CUDA 相關(guān)庫的版本，如 libcublas。這些庫通常位于 CUDA 的 lib64 目錄下，使用 ls /usr/local/cuda/lib64/libcublas*。如果有多個版本的 libcublas 庫，可以查看它們的具體版本。注意：nvidia-sminvidia-smi 是 NVIDIA 的系統(tǒng)管理接口工具，用于顯示 GPU 的信息，包括驅(qū)動版本、CUDA 版本、GPU 利用率等。使用 nvidia-smi 可以查看當(dāng)前 GPU 的狀態(tài)和 CUDA 驅(qū)動版本，對于檢查 GPU 驅(qū)動和 CUDA 兼容性非常有用。但請注意，nvidia-smi 顯示的是當(dāng)前 GPU 驅(qū)動支持的 CUDA 版本，而不是你實際安裝的 CUDA 工具包版本。通過上述方法，應(yīng)該可以確認系統(tǒng)中安裝的 CUDA 版本以及安裝目錄。如果大家發(fā)現(xiàn)了其他在 Linux 系統(tǒng)中查看 CUDA 版本的方法，歡迎在評論區(qū)中留言，我會及時更新的！

二、命令行方式

在 Linux 系統(tǒng)中，通過命令行方式查看 CUDA 版本是一種較為直接的方法。通?？梢栽诮K端中輸入特定的命令來獲取當(dāng)前系統(tǒng)安裝的 CUDA 版本信息。使用 nvcc --version 命令可以查看當(dāng)前系統(tǒng)上安裝的 CUDA 版本。執(zhí)行該命令后，通常會顯示 CUDA 版本號、驅(qū)動程序版本以及安裝路徑等相關(guān)信息。例如，輸出可能類似于“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”，從這里可以明確看出 CUDA 的版本為 10.1.168。此外，還可以使用 nvidia-smi 命令。這是 NVIDIA 的系統(tǒng)管理接口工具，用于顯示 GPU 的信息，包括驅(qū)動版本、CUDA 版本、GPU 利用率等。執(zhí)行 nvidia-smi 命令后，終端將顯示與 NVIDIA GPU 相關(guān)的信息，其中也包括 CUDA 版本。不過需要注意的是，nvidia-smi 顯示的是當(dāng)前 GPU 驅(qū)動支持的 CUDA 版本，而不是實際安裝的 CUDA 工具包版本。通過命令行方式，我們可以快速準(zhǔn)確地了解到 Linux 系統(tǒng)中安裝的 CUDA 版本，為相關(guān)開發(fā)和優(yōu)化工作提供重要依據(jù)。

三、查看安裝路徑

在 Linux 系統(tǒng)中，我們還可以通過查看 CUDA 的安裝路徑來確認其版本。具體方法如下：首先，可以使用命令查看 CUDA 的 bin 目錄路徑。在終端中輸入which nvcc命令，該命令會輸出 CUDA 的安裝路徑，通常為/usr/local/cuda/bin/nvcc。這里nvcc是 CUDA 的編譯器，安裝路徑中的/usr/local/cuda就是 CUDA 的安裝目錄。另外，我們也可以使用whereis nvcc命令來查找 CUDA 的安裝路徑，通常結(jié)果也為/usr/local/cuda/bin/nvcc。其次，查看/usr/local/cuda目錄及其子目錄和版本文件。如果/usr/local/cuda是一個符號鏈接，可以跟蹤這個鏈接到實際的 CUDA 版本目錄?；蛘撸苯硬榭?usr/local/目錄下是否有多個 CUDA 版本的目錄，使用ls /usr/local/。如果有多個 CUDA 版本的目錄，可能會看到類似于cuda-10.1、cuda-11.2等的目錄。若知道某個版本的 CUDA 安裝目錄，可以進入該目錄并查看其版本文件，例如ls /usr/local/cuda-11.2/version.txt，這個文件通常包含了 CUDA 的版本信息。通過查看安裝路徑的方法，我們可以較為準(zhǔn)確地確定系統(tǒng)中安裝的 CUDA 版本。

四、檢查相關(guān)庫文件

在 Linux 系統(tǒng)中，我們還可以通過查看 CUDA 相關(guān)的庫文件來確認 CUDA 版本。這些庫通常位于 CUDA 的安裝目錄下的特定子目錄中。例如，CUDA 相關(guān)庫文件如 libcublas 通常位于 CUDA 的 lib64 目錄下。我們可以使用 ls /usr/local/cuda/lib64/libcublas* 命令來查看這些庫文件。如果有多個版本的 libcublas 庫，可以進一步查看它們的具體版本信息，從而推斷出系統(tǒng)中安裝的 CUDA 版本。通過檢查這些庫文件，我們可以從另一個角度確認系統(tǒng)中安裝的 CUDA 版本，為相關(guān)開發(fā)和優(yōu)化工作提供更多的依據(jù)。

五、使用 nvidia-smi 工具

nvidia-smi 是 NVIDIA 的系統(tǒng)管理接口工具，在 Linux 系統(tǒng)中有著重要的作用。它主要用于顯示 GPU 的信息，其中包括驅(qū)動版本和 CUDA 版本，同時還能顯示 GPU 利用率等其他重要參數(shù)。在 Linux 系統(tǒng)中使用 nvidia-smi 非常簡單，只需在終端中輸入“nvidia-smi”命令即可。執(zhí)行該命令后，終端將顯示與 NVIDIA GPU 相關(guān)的信息，如 GPU 的型號、驅(qū)動版本、CUDA 版本等。然而，需要特別注意的是，nvidia-smi 顯示的是當(dāng)前 GPU 驅(qū)動支持的 CUDA 版本，而非實際安裝的 CUDA 工具包版本。這意味著通過 nvidia-smi 查看到的 CUDA 版本可能并不完全準(zhǔn)確地反映系統(tǒng)中實際安裝的 CUDA 工具包的版本。例如，在某些情況下，可能系統(tǒng)中實際安裝的是 CUDA 11.2 版本的工具包，但 nvidia-smi 顯示的 CUDA 版本可能是 GPU 驅(qū)動支持的更高版本，如 CUDA 11.8。這種情況下，不能僅僅依據(jù) nvidia-smi 的顯示結(jié)果來確定系統(tǒng)中實際安裝的 CUDA 版本。綜上所述，nvidia-smi 是一個非常有用的工具，可以幫助我們快速了解 GPU 的狀態(tài)和一些基本信息，但在確定 CUDA 版本時，需要結(jié)合其他方法進行綜合判斷。

六、使用 Python 庫

如果使用 Python 進行深度學(xué)習(xí)或科學(xué)計算，可以通過 Python 庫來查看 CUDA 版本。下面分別介紹使用 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 實際使用的運行時的 cuda 目錄，可以直接輸出 cpp_extension.py 中的 CUDA_HOME 變量。上面輸出的 /usr/local/cuda 即為軟鏈接的 cuda 版本。需要注意的是，使用 torch.version.cuda 命令查看輸出的 cuda 的版本并不一定是 Pytorch 在實際系統(tǒng)上運行時使用的 cuda 版本，而是編譯該 Pytorch release 版本時使用的 cuda 版本。二、使用 TensorFlow 查看 CUDA 版本在 TensorFlow 中，可以通過以下方式查看 CUDA 版本：然而，這種方式并不能直接查看 CUDA 版本，只是查看 TensorFlow 的版本。目前還沒有直接使用 TensorFlow 庫查看 CUDA 版本的標(biāo)準(zhǔn)方法，但可以結(jié)合其他方式，如 nvcc --version 或查看 CUDA 安裝路徑下的文件來確定 CUDA 版本。通過使用 Python 庫，可以在進行深度學(xué)習(xí)或科學(xué)計算時方便地查看 CUDA 版本，為項目的開發(fā)和優(yōu)化提供準(zhǔn)確的信息。

七、總結(jié)

總結(jié)：在 Linux 系統(tǒng)中查看 CUDA 版本有多種方法，包括查看 /usr/local/cuda 目錄、使用 nvcc 命令、檢查 libcublas 版本、使用 nvidia-smi 工具以及通過 Python 庫等。不同的方法各有其特點和適用場景，讀者可以根據(jù)實際情況選擇合適的方法來確定系統(tǒng)中安裝的 CUDA 版本。例如，如果想要快速查看 CUDA 編譯器版本，可以使用 nvcc --version 命令；如果想通過檢查庫文件來推斷 CUDA 版本，可以查看 libcublas 等庫的版本信息；而對于使用 Python 進行深度學(xué)習(xí)或科學(xué)計算的用戶，可以通過 PyTorch 或 TensorFlow 的特定方法查看 CUDA 版本。同時，需要注意 nvidia-smi 顯示的是當(dāng)前 GPU 驅(qū)動支持的 CUDA 版本，而非實際安裝的 CUDA 工具包版本。歡迎讀者分享其他查看 CUDA 版本的方法，以便我們共同豐富在 Linux 系統(tǒng)中查看 CUDA 版本的途徑。