如果您在linux上运行：

dpkg -l | grep cuda

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 

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

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。

在Windows 10上，我在“C:\Program Files\nvidia Corporation\NVSMI”中找到了nvidia-smi.exe；在cd之后插入该文件夹（在我的情况下不在PATH中）和'。\它显示了nvidia smi.exe