驱动支持的最高CUDA版本与实际安装的Runtime版本

查看电脑上安装的CUDA版本的多种方法，适用于不同系统和场景。

---

方法一：通过命令行工具

1. 查看CUDA Driver API版本（显卡驱动支持的CUDA版本）

• 命令：nvidia-smi
• 操作：
  1. 打开终端（Windows为CMD/PowerShell，Linux/macOS为Terminal）。
  2. 输入命令后，顶部显示的 CUDA Version 是驱动支持的最高CUDA版本，可能与实际安装的Runtime版本不同。

  nvidia-smi
  

  输出示例：

  +-------------------------------+----------------------+----------------------+
  | NVIDIA-SMI 535.154         Driver Version: 535.154       CUDA Version: 12.2 |
  

2. 查看CUDA Runtime版本（实际安装的CUDA Toolkit版本）

• 命令：nvcc -V 或 nvcc --version
• 操作：
  1. 若已安装CUDA Toolkit，此命令会显示当前Runtime版本。
  2. 若提示“nvcc未找到”，需检查CUDA是否安装或环境变量是否配置正确。

  nvcc -V
  

  输出示例：

  nvcc: NVIDIA (R) Cuda compiler driver
  Built with CUDA Version 11.8.0
  

---

方法二：通过NVIDIA控制面板（仅Windows）

1. 右键桌面空白处 → 选择 NVIDIA控制面板。
2. 点击左下角 系统信息 → 组件 标签页。
3. 找到 NVCUDA.DLL 条目，右侧显示版本号为CUDA Runtime版本。

---

方法三：通过文件系统查看

Windows系统

• 路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\
  • 此目录下的子文件夹（如 v11.8）即为已安装的CUDA版本。

Linux/macOS系统

• 命令：cat /usr/local/cuda/version.txt
  • 若显示文件不存在，检查是否已正确安装CUDA Toolkit。

---

方法四：通过Python环境（适用于深度学习框架用户）

• PyTorch/TensorFlow代码：

  import torch
  print(torch.version.cuda)  # 输出如 "11.8"
  

  注意：此版本是框架编译时使用的CUDA Runtime版本，可能与系统安装的版本不同。

---

常见问题与解决

1. nvcc 命令找不到：

   • 原因：CUDA Toolkit未安装或环境变量未配置。
   • 解决：重新安装CUDA Toolkit，并确保 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.Y\bin 添加到系统 PATH 中。

2. Driver与Runtime版本不一致：

   • 说明：nvidia-smi 显示驱动支持的CUDA版本，nvcc -V 显示实际安装的Runtime版本，两者可不同。

---

总结

• 推荐步骤：
  1. 运行 nvidia-smi 查看驱动支持的CUDA版本。
  2. 使用 nvcc -V 或文件系统路径验证实际安装的Runtime版本。
  3. 若使用深度学习框架，通过代码确认编译环境版本。
• 多版本管理：通过环境变量调整 PATH 优先级，或使用虚拟环境隔离不同版本。