除了上面提到的那些，CUDA安装路径（如果在安装过程中没有更改）通常包含版本号

执行哪个nvcc应该提供路径，这将为您提供版本

PS：这是一种快速而肮脏的方式，上面的答案更优雅，并将通过相当大的努力产生正确的版本

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

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。

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