<think>用户现在想要通过命令行和Python脚本来详细检查已安装的组件。我需要先回顾之前的对话，确保不重复且补充新的信息。 首先，用户之前已经了解了如何通过控制面板和Python验证CUDA、cuDNN和驱动版本。现在他们需要更详细的命令行和脚本步骤。可能需要分步骤说明，比如如何用命令行检查驱动版本，CUDA版本，cuDNN的存在，以及框架的安装情况。 对于命令行部分，用户可能想知道具体的cmd命令，比如使用nvidia-smi来查看驱动和CUDA版本。另外，检查环境变量是否包含CUDA路径也很重要，可以用echo命令或者set命令来查看。 Python脚本方面，除了之前提到的导入torch和tensorflow外，还可以检查CUDA是否可用，cuDNN版本，以及GPU的详细信息，比如名称、内存等。可能需要提供具体的代码示例，让用户可以直接运行。 还要注意用户使用的是3060Ti显卡，所以需要确保推荐的CUDA版本（比如11.8）是否正确，以及如何处理多版本CUDA的情况。此外，用户可能遇到的问题，比如版本不匹配，或者环境变量未正确设置，这些都需要在相关问题中涵盖。 最后，确保相关问题部分准确反映用户可能的后续疑问，比如如何切换CUDA版本，验证GPU使用情况等。需要检查问题是否覆盖了命令行和Python脚本的各个方面，确保用户能得到全面的帮助。</think>### 通过命令行检查已安装组件的详细步骤 **1. 检查NVIDIA显卡驱动版本** ```cmd :: 打开命令提示符执行 nvidia-smi ``` - 输出结果中`Driver Version`字段即为当前驱动版本 - `CUDA Version`字段显示驱动支持的最高CUDA版本 **2. 验证CUDA安装** ```cmd :: 检查CUDA编译器版本 nvcc --version :: 查看CUDA可见设备 nvidia-smi -L :: 检查CUDA环境变量 echo %CUDA_PATH% set cuda ``` **3. 检查cuDNN安装** ```cmd :: 定位cuDNN文件路径 dir /s cudnn64_*.dll :: 检查DLL文件版本 wmic datafile where "name='C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.8\\bin\\cudnn64_8.dll'" get Version ``` ### 通过Python脚本验证的详细步骤 ```python # 保存为check_components.py并执行 import torch import tensorflow as tf print("="*50) print("GPU信息") print("="*50) print(f"NVIDIA驱动版本: {torch.version.cuda}") print(f"CUDA版本: {torch.version.cuda} (PyTorch使用版本)") print(f"cuDNN版本: {torch.backends.cudnn.version()}") print(f"可用GPU数量: {torch.cuda.device_count()}") print(f"当前GPU名称: {torch.cuda.get_device_name(0)}") print("="*50) print("框架验证") print("="*50) print(f"PyTorch版本: {torch.__version__}") print(f"PyTorch CUDA支持: {torch.cuda.is_available()}") print(f"TensorFlow版本: {tf.__version__}") print(f"TensorFlow CUDA支持: {tf.test.is_built_with_cuda}") ```