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 

在Ubuntu Cuda V8上：

$ cat /usr/local/cuda/version.txt
  

您还可以了解CUDA版本的安装情况：

$ ls -l /usr/local | grep cuda

这会给你这样的东西：

lrwxrwxrwx  1 root root    9 Mar  5  2020 cuda -> cuda-10.2
drwxr-xr-x 16 root root 4096 Mar  5  2020 cuda-10.2
drwxr-xr-x 16 root root 4096 Mar  5  2020 cuda-8.0.61

给定一个正常的PATH，cuda指向的版本应该是活动版本（本例中为10.2）。

注意：只有当您愿意假设CUDA安装在/usr/local/CUDA下时，这才有效（这对于具有默认位置的独立安装程序是正确的，但对于CUDA集成为软件包的发行版则不正确）。参考：@einpoklum的评论。

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

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

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。