如何检查pytorch版本以及cuda的版本

1、检查pytorch的版本

import torch
print(torch.__version__)

2、检查cuda的版本(pytorch所用的cuda版本)

首先确认本机gpu可用

import torch
print(torch.cuda.is_available())
print(torch.cuda.device_count()) # 查看gpu的数目
print(torch.cuda.get_device_name(0) # 基于序号获取gpu的名称，设备默认编号从0开始

然后，查看所用cuda版本,有两个版本需要查看：

• 版本1：pytorch运行时真正用的版本，即安装的cuda_toolkit版本。

cuda_toolkit各各版本下载地址：CUDA Toolkit Archive | NVIDIA Developer

import torch
import torch.utils.cpp_extension
torch.utils.cpp_extension.CUDA_HOME  

• 版本2：pytorch支持的cuda版本，比如torch+cuda102等，即编译该 Pytorch release 版本时使用的 cuda 版本。

import torch
torch.version.cuda

通过两种方式查看得到的cuda版本，正常来讲应该保持一致。

注意：还有一个cuda版本，即gpu驱动程序（gpu dirver）支持的cuda版本（显卡驱动下载地址：官方驱动 | NVIDIA），可以在nvidia显卡管理面板查看，也可以通过nvidia-smi命令查看。此版本为驱动程序支持的最大cuda版本。理论上，无论是安装的cuda_toolkit版本还是pytorch的gpu版本，其cuda版本号都不能大于gpu dirver支持的版本。

3、查看cudnn版本

cudnn版本的查看比较特殊，需要进入cuda_toolkit安装目录下，找到cudnn.h头文件，打开后，在开始的地方，可以看到三个大写的变量及对应的数字，分别是Major_version，minor_version等，把三个数字拼在一起，即cudnn的版本。

4、讨论：cuda-toolkit是否必须安装？

查阅相关资料后，发现很多人在只安装了显卡驱动的情况下，就已经可以在pytorch中使用gpu来训练和推理，根本无需额外安装cuda-toolkit，但是nvcc是肯定不能用的。实际上，cuda-toolkit是用来进行gpu编程的，这不是意味着只是使用pytorch的话，由于torch已经是编译完的（已经可以运行），因此才会出现此种情况。

至于是不是这样的的，大家可以自行尝试。