在我的cuda-11.60安装中，可以在/usr/local/cuda/version.json中找到信息。它包含完整的版本号（11.6.0而不是nvidia-smi显示的11.6）。

可按如下方式检索信息：

python -c 'import json; print(json.load(open("/usr/local/cuda/version.json"))["cuda"]["version"])'

如果您已安装CUDA SDK，则可以运行“deviceQuery”查看CUDA的版本

打开终端并运行以下命令：

cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

您可以获得CUDA驱动程序版本、CUDA运行时版本的信息，以及GPU的详细信息。我的终端输出的图像示例如下。

您可以在此处找到图像。

在使用CUDA 11.6.1的Windows 11上，这对我很有用：

cat "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\version.json"

首先你应该找到Cuda的安装位置。

如果是像这里这样的默认安装，位置应该是：

对于ubuntu：

/usr/local/cuda

在此文件夹中，您应该有一个文件

版本.txt

使用任何文本编辑器打开此文件或运行：

cat version.txt

从文件夹

OR

 cat /usr/local/cuda/version.txt 

使用以下命令检查Conda的CUDA安装：

conda list cudatoolkit

使用以下命令检查conda安装的CUDNN版本：

conda list cudnn

如果要通过CONDA安装/更新CUDA和CUDNN，请使用以下命令：

conda install -c anaconda cudatoolkit
conda install -c anaconda cudnn

或者，您可以使用以下命令检查CUDA安装：

nvidia-smi

OR

nvcc --version

如果您正在通过Anaconda包使用tensorflow-gpu（只需在控制台中打开Python，检查默认的Python在启动时是否显示Anaconda-Inc.，或者您可以运行哪个Python并检查位置），那么手动安装CUDA和CUDNN很可能无法工作。您将不得不通过conda进行更新。

如果您想手动安装CUDA、CUDNN或tensorflow gpu，可以查看此处的说明https://www.tensorflow.org/install/gpu