我们有三种方法来检查版本：在我的案例中，以下是输出：-方式1：-

cat /usr/local/cuda/version.txt

输出：-

CUDA Version 10.1.243

途径2：-

nvcc --version

输出：-

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85

途径3：-

/usr/local/cuda/bin/nvcc --version

输出：-

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Sun_Jul_28_19:07:16_PDT_2019
Cuda compilation tools, release 10.1, V10.1.243

途径4：-

nvidia-smi
NVIDIA-SMI 450.36.06    Driver Version: 450.36.06    CUDA Version: 11.0

输出不相同。不知道为什么会这样。

在以下时间之后找到我的：

whereis cuda

at

cuda:/usr/lib/cuda/usr/include/cuda.h

with

nvcc --version

CUDA版本9.1.85

[编辑的答案。感谢所有更正的人]

如果你跑步

nvidia-smi

您应该在命令输出的右上角找到安装的驱动程序支持的CUDA版本最高CUDA版本。至少我发现CUDA版本10.0的输出。，

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。

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

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。