在我的cuda-11.60安装中，可以在/usr/local/cuda/version.json中找到信息。它包含完整的版本号（11.6.0而不是nvidia-smi显示的11.6）。

可按如下方式检索信息：

python -c 'import json; print(json.load(open("/usr/local/cuda/version.json"))["cuda"]["version"])'

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;
}

对于CUDA版本：

nvcc --version

或者使用，

nvidia-smi

对于cuDNN版本：

对于Linux：

使用以下方法查找cuDNN的路径：

$ whereis cuda
cuda: /usr/local/cuda

然后使用该命令从头文件获取版本，

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

对于Windows，

使用以下方法查找cuDNN的路径：

C:\>where cudnn*
C:\Program Files\cuDNN7\cuda\bin\cudnn64_7.dll

然后使用它从头文件转储版本，

type "%PROGRAMFILES%\cuDNN7\cuda\include\cudnn.h" | findstr CUDNN_MAJOR

如果您在Windows上获得CUDA的两个不同版本-nvcc和NVIDIA smi显示的不同CUDA版本

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。

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

安装CUDA后，可以通过以下方式检查版本：nvcc-V

我已经安装了5.0和5.5

Cuda编译工具5.5版V5.5,0

此命令适用于Windows和Ubuntu。