在Linux系统中查看CUDA版本是开发者和研究人员在进行GPU加速计算时的基础操作,CUDA（Compute Unified Device Architecture）是NVIDIA推出的并行计算平台和编程模型，正确掌握CUDA版本的查看方法不仅有助于确认环境配置，还能确保软件兼容性和项目稳定性，本文将详细介绍在Linux系统中查看CUDA版本的多种方法，涵盖官方工具、命令行查询及环境变量检查等，帮助用户全面了解当前CUDA环境状态。
使用NVIDIA-SMI命令查询CUDA版本
nvidia-smi（NVIDIA System Management Interface）是NVIDIA提供的系统管理工具，用于监控和管理GPU状态，该命令不仅能显示GPU硬件信息，还能间接反映CUDA版本，因为nvidia-smi本身需要与CUDA驱动程序协同工作。
操作步骤
- 打开Linux终端,输入以下命令：
nvidia-smi
- 执行后,终端会输出详细的GPU信息，包括驱动版本、CUDA版本等，在输出结果的右上角，通常会有一行类似“CUDA Version: 12.2”的标识，这表示当前驱动程序支持的最高CUDA版本。
注意事项
- 该显示的CUDA版本是驱动程序兼容的最高版本，而非当前系统中已安装的CUDA Toolkit版本，驱动可能支持CUDA 12，但实际安装的CUDA Toolkit可能是11.8。
- 若
nvidia-smi命令未找到，需先安装NVIDIA驱动，可通过sudo apt install nvidia-driver-XXX（XXX为驱动版本号）或从NVIDIA官网下载安装包。
通过CUDA Toolkit版本查询工具
若已安装NVIDIA CUDA Toolkit，可通过官方提供的版本查询工具直接获取当前安装的CUDA版本，CUDA Toolkit包含了开发GPU应用程序所需的编译器、库和工具，其版本与驱动支持的CUDA版本可能不同。
方法1：使用nvcc命令
nvcc是CUDA的编译器驱动程序，属于CUDA Toolkit的核心组件之一，通过检查nvcc的版本信息，可准确确认当前安装的CUDA Toolkit版本。
-
操作步骤：
在终端输入：nvcc --version
输出示例：
nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2023 NVIDIA Corporation Built on Tue_Aug_15_22:02:13_PDT_2023 Cuda compilation tools, release 12.2, V12.2.140 Build cuda_12.2.r12.2/compiler.33191640_0
“release 12.2”即为CUDA Toolkit的版本号。
-
常见问题：
若提示“command not found”，说明CUDA Toolkit未安装或未添加到系统环境变量，需重新安装CUDA Toolkit（可从NVIDIA官网下载.run文件或使用包管理器如sudo apt install cuda-toolkit-12-2），并确保将CUDA的bin目录添加到PATH环境变量中（通常在~/.bashrc或~/.zshrc中添加export PATH=/usr/local/cuda/bin:$PATH）。
方法2：检查CUDA Toolkit安装目录
CUDA Toolkit默认安装在/usr/local/cuda目录下，通过查看该目录的符号链接或版本信息可确认CUDA版本。
- 操作步骤：
ls -l /usr/local/cuda
输出示例：
lrwxrwxrwx 1 root root 17 Oct 10 14:30 /usr/local/cuda -> /usr/local/cuda-12.2
符号链接指向的目录名（如
cuda-12.2）即为CUDA Toolkit版本，若目录不存在，说明CUDA Toolkit未正确安装。
通过环境变量和库文件查询
CUDA Toolkit安装后，会在系统中设置相关环境变量，并包含关键的动态库文件，通过这些信息也可间接验证CUDA版本。
检查环境变量
CUDA Toolkit通常会设置CUDA_HOME和PATH环境变量。
-
查询
CUDA_HOME：echo $CUDA_HOME
若正确配置,输出应为CUDA安装路径，如
/usr/local/cuda-12.2。 -
查询
PATH中的CUDA路径：echo $PATH | grep cuda
若包含
/usr/local/cuda/bin等路径，说明CUDA工具链已添加到系统路径。
检查CUDA库文件
CUDA的核心库文件（如libcudart.so）位于/usr/local/cuda/lib64目录，通过查看库文件的版本信息可确认CUDA版本。
- 操作步骤：
ls -l /usr/local/cuda/lib64/libcudart.so
输出示例：
lrwxrwxrwx 1 root root 14 Oct 10 14:35 /usr/local/cuda/lib64/libcudart.so -> libcudart.so.12.2
库文件名中的版本号（如
2）对应CUDA Toolkit版本。
使用包管理器查询已安装的CUDA版本
若通过Linux系统的包管理器（如APT、YUM或DNF）安装CUDA，可通过包管理器直接查询已安装的CUDA相关包信息。
以APT（Ubuntu/Debian）为例
-
查询所有与CUDA相关的包：
dpkg -l | grep cuda
输出示例会显示
cuda-toolkit-12-2、cuda-libraries-12-2等已安装的包及其版本。 -
查询特定包的详细信息：
apt show cuda-toolkit-12-2
输出中会明确标注包的版本和依赖关系。
综合对比与注意事项
| 方法 | 优点 | 局限性 | |
|---|---|---|---|
nvidia-smi |
驱动支持的CUDA最高版本 | 操作简单，无需额外安装 | 无法反映实际安装的CUDA Toolkit版本 |
nvcc --version |
CUDA Toolkit版本 | 准确直接，官方推荐 | 需确保CUDA Toolkit已安装并配置环境变量 |
| 检查安装目录/库文件 | CUDA Toolkit版本 | 直观可靠，可验证安装完整性 | 需手动定位目录和文件 |
| 包管理器查询 | 已安装的CUDA包版本 | 适合包管理器安装的场景 | 依赖包管理器的记录 |
关键注意事项
- 驱动与CUDA版本兼容性：CUDA Toolkit的运行需要NVIDIA驱动的支持，需确保驱动版本不低于CUDA Toolkit的最低要求，可通过NVIDIA官网查看兼容性列表。
- 多版本管理：若系统中安装多个CUDA Toolkit版本，可通过
update-alternatives工具切换默认版本，或手动修改环境变量指向不同版本的CUDA路径。 - 容器化环境：在Docker容器中使用CUDA时，需确保宿主机驱动支持容器内的CUDA版本，并通过
nvidia-container-toolkit配置GPU访问。
在Linux系统中查看CUDA版本可通过多种方式实现,根据实际需求选择合适的方法，若仅需确认驱动支持的CUDA能力，nvidia-smi是最快捷的选择；若需精确开发环境中的CUDA Toolkit版本，nvcc --version或检查安装目录更为可靠，需注意驱动与CUDA版本的兼容性，以及环境变量的正确配置，以确保GPU应用程序的稳定运行，通过熟练掌握这些查询方法，开发者可以高效管理CUDA环境，为并行计算项目奠定坚实基础。
