Linux——查看cuda版本的全面方法

1. nvcc -V（最准确：查看运行时的 CUDA 版本）

这是最常用且最准确的方法。它显示的是 CUDA Runtime API 的版本，也就是你实际编译代码（例如编译自定义的算子或模型时）所调用的 CUDA Toolkit 版本。

nvcc --version
# 或者
nvcc -V

注：如果系统提示找不到命令，可能是环境变量未配置。你可以尝试直接使用默认安装路径运行：/usr/local/cuda/bin/nvcc -V。

2. 查看本地版本文件（Linux 常用）

如果服务器上安装了多个 CUDA 版本，可以通过查看安装目录下的版本文件来确认当前默认环境的版本：

cat /usr/local/cuda/version.txt
# 对于较新的 CUDA 版本，可能是 json 文件：
cat /usr/local/cuda/version.json

在 Linux 服务器中，/usr/local/cuda 通常是一个软链接，指向实际激活的版本（如 /usr/local/cuda-12.1）。你可以通过 ls -l /usr/local | grep cuda 查看服务器上具体保留了哪些历史版本。

3. 通过代码运行环境查看（PyTorch 环境）

在跑实验前，直接在代码中确认深度学习框架当前绑定的 CUDA 版本是一个很好的习惯，这样可以确保你的追踪框架或多模态大模型是在正确的硬件加速环境下运行的：

import torch

print(f"PyTorch Version: {torch.__version__}")
print(f"CUDA Version used by PyTorch: {torch.version.cuda}")
print(f"Is CUDA available?: {torch.cuda.is_available()}")

# 这行代码可以顺便确认当前挂载的显卡型号
if torch.cuda.is_available():
    print(f"Current Device: {torch.cuda.get_device_name(0)}")