详细验证CUDA是否安装成功的方法

一、验证CUDA是否安装成功

为验证CUDA是否安装成功，可以执行以下步骤：

1、打开终端窗口，输入以下命令：

$ nvcc -V

如果CUDA已成功安装，则将显示CUDA版本信息，如：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Thu_Jul_29_15:12:49_PDT_2021
Cuda compilation tools, release 11.4, V11.4.120
Build cuda_11.4.r11.4/compiler.30188945_0

2、输入以下命令：

$ nvidia-smi

如果CUDA已成功安装，则将显示GPU卡的信息，如：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.57.02    Driver Version: 470.57.02    CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 108...  Off  | 00000000:01:00.0  On |                  N/A |
| 51%   60C    P2    84W / 250W |   9436MiB / 11178MiB |     17%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

二、验证CUDA是否能够被Python识别

为验证CUDA是否能够被Python识别，可以执行以下步骤：

1、打开Python交互式环境，输入以下Python代码：

import torch
print(torch.cuda.is_available())

如果CUDA已经被Python识别，则将显示True，如：

True

三、验证CUDA是否能够被PyTorch识别

为验证CUDA是否能够被PyTorch识别，可以执行以下步骤：

1、打开Python交互式环境，输入以下Python代码：

import torch
print(torch.cuda.is_available())
x = torch.cuda.FloatTensor(1)
print(x.get_device())

如果CUDA已经被PyTorch识别，则将显示True和GPU卡的编号，如：

True
0

四、验证CUDA是否能够被TensorFlow识别

为验证CUDA是否能够被TensorFlow识别，可以执行以下步骤：

1、打开Python交互式环境，输入以下Python代码：

import tensorflow as tf
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))

如果CUDA已经被TensorFlow识别，则将显示True和GPU的详细信息，如：

True
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

五、小结

通过以上几个方面的验证，可以充分确认CUDA是否已经安装成功，并且能够被各个深度学习框架识别和使用。