linux查看cuda版本和cudnn版本

第一部分. 查看cuda 版本 

cat /usr/local/cuda/version.txt

 

第二部分. 查看cudnn 版本 

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

 

3. 进行 cudn的测试：

3.1 编译samples例子 
进入到Samples安装目录，然后在该目录下终端输入make，等待十来分钟（根据硬件配置不同，时间会有差别）。 

3.2 编译完成后测试 
可以在Samples里面找到 bin/x86_64/linux/release/ 目录，并切换到该目录 
运行 deviceQuery 程序，

sudo ./deviceQuery   # 这个文件编译成功后才能成功执行

查看输出结果，重点关注最后一行，Pass表示通过测试 

 

4. tensorflow中GPU的测试，python3版本：

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

import tensorflow as tf

print('tensorflow version: %s \n' %(tf.__version__))
print('tensorflow path: %s \n' %(tf.__path__))
print("GPU Available: %s \n" %( tf.test.is_gpu_available()))

5. 版本对应关系查看

 

 

ref：https://www.tensorflow.org/install/source#tested_source_configurations

 

[cuda和cudnn版本对应的tensorflow-gpu版本错误说明与排查](https://blog.csdn.net/yeler082/article/details/80943040)