📌 摘要

在配置深度学习环境时，我们经常需要确认当前系统是否支持 CUDA，以及具体支持的版本号。本文介绍了两种常用的查看 CUDA 版本的方法：

• 查看实际安装的 CUDA Toolkit 版本
• 查看驱动程序支持的最大 CUDA 版本

适用于 Windows 和 Linux 用户，帮助快速定位当前系统的 CUDA 支持版本。

---

📘 前言

在安装 PyTorch 或 TensorFlow 等深度学习框架时，常常需要选择与其兼容的 CUDA 版本。本文介绍了几种常用的查看 CUDA 版本的方法，帮助你正确配置开发环境。

---

💻 查看实际安装的 CUDA Toolkit 版本

✅ 使用 nvcc --version

如果你已经安装了 CUDA Toolkit，可以通过以下命令来确认其版本：

在终端中运行：

nvcc --version

输出示例：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Sun_Feb_14_21:12:58_PST_2021
Cuda compilation tools, release 11.2, V11.2.152
Build cuda_11.2.r11.2/compiler.29618528_0

🔍 这个输出显示的是你系统上实际安装的 CUDA Toolkit 的版本号。

✅ 查看环境变量

你也可以通过检查环境变量来确认 CUDA 安装路径和版本：

在终端中运行：

echo $CUDA_HOME  # Linux
echo %CUDA_PATH%  # Windows

如果输出类似于 /usr/local/cuda-11.2 或 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2，则表示你安装的是 CUDA 11.2 版本。

---

🖥️ 方法二：查看驱动程序支持的最大 CUDA 版本

✅ 使用 nvidia-smi

nvidia-smi 命令可以显示驱动程序支持的最大 CUDA 版本，但这并不意味着你已经安装了该版本的 CUDA Toolkit。

在终端中运行：

nvidia-smi

输出示例：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.32.03    Driver Version: 460.32.03    CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  Tesla V100-SXM2...  Off  | 00000000:00:1E.0 Off |                    0 |
| N/A   34C    P0    26W / 300W |      0MiB / 16160MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

🔍 在输出结果中找到 CUDA Version 字段即可得知当前驱动程序支持的最大 CUDA 版本。

⚠️ 注意：此方法依赖于你已安装好 NVIDIA 显卡驱动。若未安装驱动，则不会显示 CUDA 信息。

✅ 通过 NVIDIA 控制面板查看（仅限 Windows）

1. 右键点击桌面空白处，选择“NVIDIA 控制面板”。
2. 打开后，点击左下角的“系统信息”。
3. 切换到“组件”标签页，在这里可以找到 CUDA 版本信息。

⚠️ 注意：这种方法显示的是驱动支持的最大 CUDA 版本，而不是实际安装的 CUDA Toolkit 版本。

---

📝 补充说明

方式	是否推荐	适用平台	是否需要管理员权限	是否需安装驱动
nvcc --version 命令	✅ 推荐	Windows / Linux	否	是（需安装 CUDA Toolkit）
nvidia-smi 命令	✅ 推荐	Windows / Linux	否	是
NVIDIA 控制面板	⚠️ 可选	Windows	否	是

---

✅ 总结

本文介绍了两种查看 CUDA 版本的常用方法：

• 使用 nvcc --version 命令可以查看实际安装的 CUDA Toolkit 版本；
• 使用 nvidia-smi 命令可以查看驱动程序支持的最大 CUDA 版本；
• 在 Windows 上，还可以通过 NVIDIA 控制面板查看驱动支持的最大 CUDA 版本。

无论你是正在搭建 PyTorch 环境还是调试 GPU 加速程序，掌握这些基本技巧都能让你事半功倍。

---

📌 如果你觉得这篇文章对你有帮助，请点赞 + 收藏 + 分享，让更多人了解如何快速查看 CUDA 版本！

💬 欢迎留言讨论你在配置深度学习环境时遇到的其他问题或经验分享。