检查 CUDA 版本及其与 Python 的兼容性

如果你的程序需要使用 GPU 进行加速，那么你可能需要安装 CUDA。而如果你使用 Python 进行开发，你需要确保你安装的 CUDA 版本与你使用的 Python 版本兼容。

下面是一些用于检查 CUDA 版本和 Python 兼容性的方法。

检查 CUDA 版本

首先，我们需要检查已安装的 CUDA 版本。

方法一：通过 nvcc 工具检查

nvcc 是 NVIDIA CUDA 编译器驱动程序。你可以使用下面的命令检查已安装的 CUDA 版本：

nvcc --version

这将返回一个类似于以下内容的信息：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Mon_May__3_19:15:13_PDT_2021
Cuda compilation tools, release 11.3, V11.3.109
Build cuda_11.3.r11.3/compiler.29920130_0

其中，最后一行的 "Cuda compilation tools, release ..." 表示你的 CUDA 版本。

方法二：通过 nvsmi 工具检查

nvsmi 是 NVIDIA System Management Interface 的简称，它可以用于监测 GPU 的状态和性能。你可以使用下面的命令检查GPU的CUDA版本：

nvidia-smi

这将返回一个类似于以下内容的信息：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.91.03    Driver Version: 460.91.03    CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|

其中，第二行的 "CUDA Version: ..." 表示你的 CUDA 版本。

检查 Python 和 CUDA 的兼容性

一旦你知道了你安装的 CUDA 版本，你可以查看此版本是否与你使用的 Python 版本兼容。

方法一：查看 NVIDIA 支持的 Python 版本

NVIDIA 官方文档列出了每个 CUDA 版本所支持的Python版本。你可以查看此文档以查看你当前CUDA版本支持的Python版本。

方法二：通过 torch 模块检查

如果你使用 PyTorch，那么你可以使用以下代码检查 CUDA 和 Python 的兼容性：

import torch
print(torch.version.cuda)

这将返回你当前 PyTorch 安装所使用的 CUDA 版本，类似于以下内容：

10.2

上述代码应该在你的 Python 代码中像这样使用：

if torch.cuda.is_available():
    print(torch.version.cuda) # 根据你的 PyTorch 版本，这里可能需要调整函数名。
else:
    print("CUDA is not available.")

这里我们使用了 torch.cuda.is_available() 函数来检查是否有可用的 CUDA 设备。

结语

在进行深度学习等需要使用 GPU 的任务时，确保你的 CUDA 版本和 Python 版本兼容是非常重要的。上述方法可以帮助你完成此任务。