Как узнать версию CUDA: простые команды для Linux и Windows

kirilljsx

Часто нужно быстро проверить версию CUDA, чтобы понять совместимость с проектами, особенно в машинном обучении или вычислениях на GPU. Это помогает избежать ошибок при установке библиотек вроде TensorFlow или PyTorch. В этой статье разберём основные способы для разных систем.

Знание версии CUDA упрощает отладку и обновления. Вы увидите команды для терминала, которые работают на Linux и Windows. Всё просто, без лишней установки софта.

Проверка через nvidia-smi

Инструмент nvidia-smi — самый быстрый способ узнать версию CUDA, поддерживаемую драйверами NVIDIA. Он показывает не только CUDA, но и загрузку GPU, температуру и другую инфу. Это работает на Linux, Windows и даже в Docker-контейнерах с GPU.

Например, если вы разрабатываете нейросеть, то перед запуском кода проверите, поддерживает ли драйвер нужную версию. Команда выводит таблицу с CUDA Version в правом верхнем углу. Это максимальная поддерживаемая версия, а не обязательно установленная toolkit.

Откройте терминал (Linux) или командную строку (Windows).
Введите nvidia-smi и нажмите Enter.
В заголовке справа увидите CUDA Version: 12.3 (или вашу).
Если команда не найдена, установите драйверы NVIDIA.

Платформа	Команда	Что показывает
Linux	`nvidia-smi`	Поддерживаемая версия CUDA драйвером
Windows	`nvidia-smi`	То же + инфа о GPU
Docker	`nvidia-smi`	Версия в контейнере

Версия установленного CUDA Toolkit

Чтобы узнать точно установленную версию CUDA Toolkit (nvcc-компилятор), используйте команду nvcc --version. Это отличается от nvidia-smi: здесь показывается версия toolkit, которая используется для компиляции кода. Полезно, если вы программируете на CUDA C++ или собираете расширения.

Представьте: вы качаете PyTorch, а версия не совпадает — код не запустится. Команда выведет полный билд, вроде release 11.8, V11.8.89. На Linux файл version.txt тоже подойдёт для быстрой проверки.

Вот шаги:

Откройте терминал или PowerShell.
Выполните nvcc --version.
Если не найдено, проверьте PATH или установку toolkit.
Альтернатива на Linux: cat /usr/local/cuda/version.txt.

Метод	Команда	Пример вывода
Основной	`nvcc --version`	CUDA 12.1
Linux-файл	`cat /usr/lib/cuda/version.txt`	Release 11.5

Проверка в Windows и специфические случаи

На Windows nvcc --version работает в PowerShell или CMD после установки CUDA Toolkit. Если используете WSL (Windows Subsystem for Linux), команды те же, что и в Ubuntu. Для cuDNN добавьте проверку файла заголовков.

Бывает, CUDA toolkit не установлен, но драйвер поддерживает версии — вот почему смотрят оба. В Jupyter или Colab: !nvidia-smi и !nvcc --version. Это спасает при облачных GPU.

Запустите PowerShell как администратор.
nvcc --version покажет toolkit.
Если CUDA недоступна: обновите драйверы через GeForce Experience.
В WSL: wsl nvidia-smi.

Таблица для быстрого сравнения:

Сценарий	Лучшая команда	Примечание
Драйвер	`nvidia-smi`	Быстро, всегда
Toolkit	`nvcc --version`	Для разработчиков
Файл	`cat version.txt`	Только Linux

Дополнительные проверки и нюансы

Иногда нужно убедиться, что CUDA работает: в Python с torch.cuda.is_available(). Это проверит доступность GPU для фреймворков. На серверах или VM добавьте lspci | grep NVIDIA для аппаратной проверки.

Важно: версии драйвера и toolkit должны совпадать по совместимости — смотрите таблицу на сайте NVIDIA. Если проблемы, обновите через apt upgrade на Linux.

python -c "import torch; print(torch.cuda.is_available())".
cat /usr/include/cudnn_version.h | grep CUDNN для cuDNN.
Совет: всегда проверяйте после апдейтов.

Компонент	Команда проверки
PyTorch CUDA	`torch.cuda.is_available()`
cuDNN	`cat cudnn_version.h`

Когда версии не совпадают

Несовпадение версий — частая засада. Драйвер поддерживает до 12.x, а toolkit 11.x — код скомпилируется, но новые фичи не заработают. Решение: обновите toolkit под драйвер.

Это подводит к таблицам совместимости NVIDIA. Подумайте о multi-version установке через conda для гибкости. В продакшене фиксируйте версии в Dockerfile.