是否有任何快速命令或脚本来检查安装的CUDA版本？
我在安装目录下找到了4.0的手册，但我不确定它是否是实际安装的版本。
当前回答
你可能会发现CUDA-Z很有用，这里是他们网站上的一句话：
“这个程序诞生于另一个Z-实用程序的模仿，例如CPU-Z和GPU-Z。CUDA-Z显示了CUDA支持的GPU和GPGPU的一些基本信息。它与nVIDIA Geforce、Quadro和Tesla卡以及ION芯片组一起工作。”
http://cuda-z.sourceforge.net/
在支持选项卡上，有源代码的URL：http://sourceforge.net/p/cuda-z/code/并且下载实际上不是安装程序，而是可执行文件本身（没有安装，所以这是“快速”的）。
此实用程序提供了大量信息，如果您需要了解它是如何派生的，可以查看源代码。您可以搜索与此类似的其他实用程序。
其他回答
我得到/usr/local-没有这样的文件或目录。尽管nvcc-V给出了
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Sun_Sep__4_22:14:01_CDT_2016
Cuda compilation tools, release 8.0, V8.0.44
使用CUDA运行时API C++包装器编程（注意：我是作者）：
auto v1 = cuda::version::maximum_supported_by_driver();
auto v2 = cuda::version::runtime();
这为您提供了一个cuda:：version_t结构，您可以对其进行比较，也可以打印/流式传输，例如：
if (v2 < cuda::version_t{ 8, 0 } ) {
std::cerr << "CUDA version " << v2 << " is insufficient." std::endl;
}
如果您已安装CUDA SDK，则可以运行“deviceQuery”查看CUDA的版本
其他受访者已经描述了可以使用哪些命令检查CUDA版本。在这里，我将描述如何将这些命令的输出转换为格式为“10.2”、“11.0”等的环境变量。
概括一下，您可以使用
nvcc --version
了解CUDA版本。我想这应该是你的第一个停靠港。如果安装了多个版本的CUDA，此命令应打印出PATH中最高的副本版本。
输出如下所示：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Thu_Jun_11_22:26:38_PDT_2020
Cuda compilation tools, release 11.0, V11.0.194
Build cuda_11.0_bu.TC445_37.28540450_0
我们可以将这个输出传递给sed，以便只选择MAJOR.MINOR发布版本号。
CUDA_VERSION=$(nvcc --version | sed -n 's/^.*release \([0-9]\+\.[0-9]\+\).*$/\1/p')
如果nvcc不在您的路径上，您应该能够通过指定nvcc默认位置的完整路径来运行它。
/usr/local/cuda/bin/nvcc --version
其输出与上述相同，并且可以以相同的方式对其进行解析。
或者，您可以从version.txt文件中找到CUDA版本。
cat /usr/local/cuda/version.txt
其输出
CUDA Version 10.1.243
可以使用sed进行解析，以仅选择MAJOR.MINOR发布版本号。
CUDA_VERSION=$(cat /usr/local/cuda/version.txt | sed 's/.* \([0-9]\+\.[0-9]\+\).*/\1/')
请注意，有时version.txt文件引用的CUDA安装不同于nvcc--version。在这种情况下，nvcc版本应该是您实际使用的版本。
我们可以将这三种方法结合在一起，以稳健地获得CUDA版本，如下所示：
if nvcc --version 2&> /dev/null; then
# Determine CUDA version using default nvcc binary
CUDA_VERSION=$(nvcc --version | sed -n 's/^.*release \([0-9]\+\.[0-9]\+\).*$/\1/p');
elif /usr/local/cuda/bin/nvcc --version 2&> /dev/null; then
# Determine CUDA version using /usr/local/cuda/bin/nvcc binary
CUDA_VERSION=$(/usr/local/cuda/bin/nvcc --version | sed -n 's/^.*release \([0-9]\+\.[0-9]\+\).*$/\1/p');
elif [ -f "/usr/local/cuda/version.txt" ]; then
# Determine CUDA version using /usr/local/cuda/version.txt file
CUDA_VERSION=$(cat /usr/local/cuda/version.txt | sed 's/.* \([0-9]\+\.[0-9]\+\).*/\1/')
else
CUDA_VERSION=""
fi
此环境变量对于下游安装非常有用，例如当pip安装为正确CUDA版本编译的pytorch副本时。
python -m pip install \
"torch==1.9.0+cu${CUDA_VERSION/./}" \
"torchvision==0.10.0+cu${CUDA_VERSION/./}" \
-f https://download.pytorch.org/whl/torch_stable.html
同样，当未安装CUDA时，可以安装CPU版本的pytorch。
if [ "$CUDA_VERSION" = "" ]; then
MOD="+cpu";
echo "Warning: Installing CPU-only version of pytorch"
else
MOD="+cu${CUDA_VERSION/./}";
echo "Installing pytorch with $MOD"
fi
python -m pip install \
"torch==1.9.0${MOD}" \
"torchvision==0.10.0${MOD}" \
-f https://download.pytorch.org/whl/torch_stable.html
但要小心这一点，因为当您打算使用GPU支持时，可能会意外安装仅CPU版本。例如，如果您在没有GPU的服务器登录节点上运行安装脚本，那么您的作业将部署到有GPU的节点上。在这种情况下，登录节点通常不会安装CUDA。
使用tensorflow：
import tensorflow as tf
from tensorflow.python.platform import build_info as build
print(f"tensorflow version: {tf.__version__}")
print(f"Cuda Version: {build.build_info['cuda_version']}")
print(f"Cudnn version: {build.build_info['cudnn_version']}")
tensorflow版本：2.4.0
Cuda版本：11.0
Cudnn版本：8
