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

我得到/usr/local-没有这样的文件或目录。尽管nvcc-V给出了

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Sun_Sep__4_22:14:01_CDT_2016
Cuda compilation tools, release 8.0, V8.0.44

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"

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

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;
}