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

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。

在使用CUDA 11.6.1的Windows 11上，这对我很有用：

cat "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\version.json"

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"])'

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

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。