### 如何在 Linux 系统中查看已安装的 CUDA 版本 可以通过以下几种方式检查系统中已安装的 CUDA 版本： 1. **使用 `nvcc` 命令** 如果系统中已安装 CUDA Toolkit，可以使用如下命令查询版本信息： ```bash nvcc --version ``` 或者 ```bash nvcc -V ``` 该命令会显示 CUDA 编译器驱动程序的版本号，例如 `release 11.8, V11.8.89`，表明当前使用的 CUDA 版本为 11.8。 2. **使用 `nvidia-smi` 命令** 可以通过 `nvidia-smi` 查看与 NVIDIA 驱动相关的 CUDA 支持版本： ```bash nvidia-smi ``` 在输出信息中可以看到类似 `CUDA Version: 12.1` 的字段，表示当前驱动支持的最高 CUDA 版本。需要注意的是，这仅表示驱动兼容的 CUDA 最高版本，并不一定是实际安装的 CUDA Toolkit 版本[^1]。 3. **通过 Python 查询 PyTorch 使用的 CUDA 版本** 如果已经安装了 PyTorch，也可以通过以下代码查询其使用的 CUDA 版本： ```python import torch print(torch.__version__) print(torch.version.cuda) ``` 输出将类似于： ``` 2.0.1 11.7 ``` 表明当前安装的 PyTorch 版本是 2.0.1，且基于 CUDA 11.7 构建[^3]。 --- ### 根据 CUDA 版本选择适配的 PyTorch 和 cuDNN 版本 #### 1. **PyTorch 版本选择** 可以根据官方文档或社区提供的版本对照表选择合适的 PyTorch 版本。通常，PyTorch 官方提供了预编译版本，其中包含对特定 CUDA 版本的支持。例如： - CUDA 11.8 对应 PyTorch 2.0.x 至 2.6.x 系列 - CUDA 12.1 对应 PyTorch 2.0.x 至 2.4.x 系列（需注意部分功能可能受限） 可以通过以下命令安装指定版本的 PyTorch（以 CUDA 11.8 为例）： ```bash pip install torch==2.6.0+cu118 torchvision==0.17.0+cu118 torchaudio==2.6.0 --extra-index-url https://download.pytorch.org/whl/cu118 ``` 此命令会从 PyTorch 官方仓库下载适用于 CUDA 11.8 的版本[^2]。 #### 2. **cuDNN 版本匹配** cuDNN 是 NVIDIA 提供的深度神经网络加速库，其版本需要与 CUDA 版本保持兼容。例如： - CUDA 11.8 推荐搭配 cuDNN 8.2.x 或 8.6.x - CUDA 12.1 推荐搭配 cuDNN 8.9.x 可以在 [NVIDIA 官方网站](https://developer.nvidia.com/cudnn) 下载对应的操作系统和 CUDA 版本所需的 cuDNN 库。安装时需确保 cuDNN 的版本与 CUDA Toolkit 的版本相匹配，否则可能导致运行时错误[^1]。 #### 3. **验证安装是否成功** 安装完成后，可通过以下方式验证 PyTorch 是否能够正确识别 CUDA 和 cuDNN： ```python import torch print("PyTorch version:", torch.__version__) print("CUDA available:", torch.cuda.is_available()) print("cuDNN enabled:", torch.backends.cudnn.enabled) print("CUDA version used by PyTorch:", torch.version.cuda) print("cuDNN version used by PyTorch:", torch.backends.cudnn.version()) ``` 输出示例： ``` PyTorch version: 2.6.0 CUDA available: True cuDNN enabled: True CUDA version used by PyTorch: 11.8 cuDNN version used by PyTorch: 8201 ``` 这表明 PyTorch 成功加载了 CUDA 11.8 和 cuDNN 8.2.1[^2]。 --- ###