CUDA环境检查指南 - 折根妙妙屋

539 字

2 分钟

CUDA环境检查指南

2026-04-21

指南

CUDA

/

指南

第一步：检查 NVIDIA 显卡驱动#

1
nvidia-smi

关键信息：

Driver Version：驱动版本号
CUDA Version：右上角这个只是驱动支持的最高 CUDA 版本，不代表已安装的 CUDA 版本
Memory-Usage：显存

第二步：检查已安装的 CUDA Toolkit#

1
nvcc --version

如果显示版本号（如 release 11.8），说明 CUDA Toolkit 已安装且环境变量正确
如果提示不是内部命令，说明没装或没加 PATH

第三步：检查 cuDNN#

cuDNN 通常放在 CUDA 安装目录里：

1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\include\cudnn.h
2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin\cudnn64_8.dll

快速检查命令：

1
dir "%CUDA_PATH%\include\cudnn*" 2>nul

如果有文件，说明 cuDNN 已装
如果找不到，需要单独下载安装

第四步：检查 conda 里的 PyTorch/TensorFlow CUDA 支持#

查看当前 conda 环境#

1
conda env list
2
conda activate base    # 或其他环境

检查 PyTorch 是否能用 CUDA#

1
python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA可用:', torch.cuda.is_available()); print('GPU数量:', torch.cuda.device_count()); print('GPU名称:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else '无')"

正常输出：

1
PyTorch版本: 2.2.1+cu121
2
CUDA可用: True
3
GPU数量: 1
4
GPU名称: NVIDIA GeForce RTX 3090

检查 TensorFlow（如果装了）#

1
python -c "import tensorflow as tf; print('TF版本:', tf.__version__); print('GPU可用:', tf.config.list_physical_devices('GPU'))"

第五步：前任环境残留排查#

检查系统环境变量#

右键”此电脑” → 属性 → 高级系统设置 → 环境变量 → 检查以下变量：

变量名	说明
`CUDA_PATH`	CUDA 安装路径
`CUDA_PATH_V11_8`	特定版本路径（如有多个版本）
`NVCUDASAMPLES_ROOT`	示例代码路径
`Path` 中的 `CUDA\bin`	是否加入了 bin 目录

检查 conda 历史环境#

1
conda env list
2
# 看看有没有前任留下的环境，比如 yolov8、pointcloud 等

检查 pip 已安装的包#

1
pip list | findstr cuda
2
pip list | findstr torch
3
pip list | findstr tensorflow
4
pip list | findstr cudnn

检查结果判断与决策#

检查结果	结论	行动
`nvidia-smi` 正常，有 `CUDA Version`	驱动已装	继续检查 CUDA Toolkit
`nvcc --version` 有版本号	CUDA Toolkit 已装	确认版本是否满足需求
PyTorch `cuda.is_available() == True`	全套可用	前任已经配好了，直接用
`nvidia-smi` 报错	驱动都没装	先装驱动
`nvcc` 找不到，但 `nvidia-smi` 正常	只装了驱动，没装 CUDA Toolkit	需要装 CUDA
PyTorch CUDA 不可用	CUDA 装了但 PyTorch 版本不匹配	需要重装对应版本的 PyTorch
有多个 CUDA 版本	前任可能装过多个	确认当前用的是哪个，避免冲突

如果需要重装 CUDA（参考版本对应表）#

PyTorch 版本	推荐 CUDA 版本
PyTorch 2.0+	CUDA 11.8 或 12.1
PyTorch 1.13	CUDA 11.7
PyTorch 1.12	CUDA 11.6
TensorFlow 2.15+	CUDA 12.2 + cuDNN 8.9
TensorFlow 2.10	CUDA 11.2 + cuDNN 8.1

快速检查清单（复制粘贴执行）#

把下面全部复制到 Anaconda Prompt 里跑一遍：

1
@echo off
2
echo ===== 显卡驱动 =====
3
nvidia-smi
4
echo.
5
echo ===== CUDA Toolkit =====
6
nvcc --version 2>nul || echo "nvcc 未找到，CUDA Toolkit 可能未安装"
7
echo.
8
echo ===== CUDA 路径 =====
9
echo %CUDA_PATH%
10
echo.
11
echo ===== conda 环境列表 =====
12
conda env list
13
echo.
14
echo ===== PyTorch CUDA 检查 =====
15
python -c "import torch; print('PyTorch:', torch.__version__); print('CUDA可用:', torch.cuda.is_available()); print('GPU:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'None')"