在Ubuntu上：

Try

$cat/usr/local/cuda/version.txt或$cat/usr/local/cuda-8.0/version.txt

有时文件夹名为“Cuda版本”。

如果以上都不起作用，请尝试转到$/usr/local/找到Cuda文件夹的正确名称。

输出应类似于：CUDA版本8.0.61

使用以下命令检查Conda的CUDA安装：

conda list cudatoolkit

使用以下命令检查conda安装的CUDNN版本：

conda list cudnn

如果要通过CONDA安装/更新CUDA和CUDNN，请使用以下命令：

conda install -c anaconda cudatoolkit
conda install -c anaconda cudnn

或者，您可以使用以下命令检查CUDA安装：

nvidia-smi

OR

nvcc --version

如果您正在通过Anaconda包使用tensorflow-gpu（只需在控制台中打开Python，检查默认的Python在启动时是否显示Anaconda-Inc.，或者您可以运行哪个Python并检查位置），那么手动安装CUDA和CUDNN很可能无法工作。您将不得不通过conda进行更新。

如果您想手动安装CUDA、CUDNN或tensorflow gpu，可以查看此处的说明https://www.tensorflow.org/install/gpu

正如Jared在命令行的评论中提到的：

nvcc --version

（或/usr/local/cuda/bin/nvcc-version）提供cuda编译器版本（与工具包版本匹配）。

从应用程序代码中，可以使用

cudaRuntimeGetVersion()

或驱动程序API版本

cudaDriverGetVersion()

正如Daniel所指出的那样，deviceQuery是一个SDK示例应用程序，可以查询上面的内容以及设备功能。

正如其他人所指出的，您也可以使用（例如，在Mac或Linux上）检查version.txt的内容

cat /usr/local/cuda/version.txt

但是，如果安装了CUDA工具包的另一个版本，而不是从/usr/local/CUDA符号链接的版本，则如果PATH中的另一版本早于上述版本，则可能会报告版本不准确，因此请谨慎使用。

您可以使用

nvcc -V

或者你可以使用

nvcc --version

或者您可以检查CUDA使用的位置

whereis cuda 

然后做

cat location/of/cuda/you/got/from/above/command

如果nvcc和nvidia-smi之间存在版本不匹配，则使用不同版本的cuda作为驱动程序和运行时环境。

为了确保使用相同版本的CUDA驱动程序，您需要做的是在系统路径上获取CUDA。

首先运行cuda所在的位置，找到cuda驱动程序的位置。

然后转到.bashrc并修改路径变量，并使用变量“LD_LIBRARY_path”设置搜索的目录优先顺序。

例如

$ whereis cuda
cuda: /usr/lib/cuda /usr/include/cuda.h /usr/local/cuda

CUDA安装在/usr/local/CUDA，现在我们需要将路径变量添加到.bashrc，如下所示：

vim  ~/.bashrc
export PATH="/usr/local/cuda/bin:${PATH}"

在该行之后，将目录搜索路径设置为：

export LD_LIBRARY_PATH="/usr/local/cuda/lib64:${LD_LIBRARY_PATH}"

然后保存.bashrc文件。并将其刷新为：

$ source ~/.bashrc

这将确保您有nvcc-V和nvidia-smi使用相同版本的驱动程序。

首先你应该找到Cuda的安装位置。

如果是像这里这样的默认安装，位置应该是：

对于ubuntu：

/usr/local/cuda

在此文件夹中，您应该有一个文件

版本.txt

使用任何文本编辑器打开此文件或运行：

cat version.txt

从文件夹

OR

 cat /usr/local/cuda/version.txt