### 使用 Python 检查系统中安装的 CUDA 版本 在 Python 环境中，可以通过多种方式检查系统中安装的 CUDA 版本。以下是几种常用方法： #### 方法一：通过 PyTorch 检查 CUDA 版本 如果环境中安装了 PyTorch，并且支持 GPU 加速，则可以使用以下代码来获取 CUDA 版本： ```python import torch print("PyTorch CUDA Version:", torch.version.cuda) ``` 此代码将输出 PyTorch 编译时所使用的 CUDA 版本号[^1]。 #### 方法二：通过 TensorFlow 检查 CUDA 版本 如果环境中安装了 TensorFlow，则可以使用以下代码来检查 CUDA 版本： ```python import tensorflow as tf print("TensorFlow CUDA Version:", tf.sysconfig.get_build_info()['cuda_version']) ``` 此代码将返回 TensorFlow 编译时所依赖的 CUDA 版本信息[^2]。 #### 方法三：通过 `numba` 检查 CUDA 版本 如果环境中安装了 `numba` 库，则可以使用以下代码来获取 CUDA 版本： ```python from numba import cuda print("Numba CUDA Runtime Version:", cuda.runtime.get_version()) ``` 此代码将返回当前运行时的 CUDA 版本号[^3]。 #### 方法四：通过 `torch.cuda.is_available()` 和 `torch.cuda.device_count()` 检查 CUDA 可用性 以下代码可以验证系统是否支持 CUDA 并显示可用的 GPU 数量： ```python import torch print("CUDA Available:", torch.cuda.is_available()) print("Number of GPUs:", torch.cuda.device_count()) ``` 如果 `torch.cuda.is_available()` 返回 `True`，则说明系统支持 CUDA[^1]。 #### 方法五：通过 `torch.cuda.current_device()` 获取当前设备信息 以下代码可以显示当前正在使用的 GPU 设备编号及其名称： ```python import torch if torch.cuda.is_available(): print("Current Device Index:", torch.cuda.current_device()) print("Device Name:", torch.cuda.get_device_name(0)) ``` 此代码适用于验证系统中是否存在可用的 CUDA 设备并获取其详细信息[^1]。 --- ### 注意事项 - 如果上述方法无法正常工作，请确保系统中的 GPU 驱动程序版本与 CUDA 工具包版本相匹配。 - 在某些情况下，可能需要重新安装或更新 CUDA 工具包或驱动程序以解决版本不匹配的问题。 - 如果未安装支持 GPU 的深度学习框架（如 PyTorch 或 TensorFlow），则需要先安装这些框架并确保其版本与 CUDA 兼容。 ---