背景

在检查jetson nano中cuda版本号时，发现有多个cuda，如何查看当前使用的cuda版本呢？

ls /usr/local/ | grep cuda

在这里插入图片描述

方法

要确定当前活动的CUDA版本（即默认版本），可以检查 cuda 符号链接指向的版本。在终端中运行以下命令：

ls -l /usr/local/cuda

这个命令将显示 /usr/local/cuda 是指向哪个实际目录的符号链接，从而确定默认的CUDA版本。例如，如果输出显示 cuda -> cuda-10.2，则表示默认版本是CUDA 10.2。
若出现这种情况：
在这里插入图片描述
/usr/local/cuda 是一个指向 /etc/alternatives/cuda 的符号链接。这表明系统使用了 alternatives 系统来管理CUDA版本。在这种情况下，我们可以进一步检查 /etc/alternatives/cuda 链接指向的实际CUDA版本。

要查看 /etc/alternatives/cuda 指向的具体版本，可以使用以下命令：

ls -l /etc/alternatives/cuda

这将显示 /etc/alternatives/cuda 符号链接的目标路径，从而揭示当前活动的CUDA版本。例如，如果输出显示为 /etc/alternatives/cuda -> /usr/local/cuda-10.2，则表示当前活动的CUDA版本是10.2。
问题解决！
在这里插入图片描述

# iot
Logo
FlagOS智算系统软件栈

欢迎来到FlagOS开发社区，这里是一个汇聚了AI开发者、数据科学家、机器学习爱好者以及业界专家的活力平台。我们致力于成为业内领先的Triton技术交流与应用分享的殿堂，为推动人工智能技术的普及与深化应用贡献力量。

更多推荐

PyTorch CUDA调试第一步：5分钟学会使用torch_use_cuda_dsa

是PyTorch提供的一个调试工具，它允许你在CUDA设备端（GPU）执行断言检查。简单来说，就是在GPU上运行的代码中加入断言语句，当条件不满足时会触发错误，帮助你快速发现代码中的问题。这对于调试CUDA内核中的错误特别有用，因为设备端的错误通常比主机端更难调试。是一个非常实用的调试工具，尤其适合CUDA内核的调试。通过设备端断言，你可以快速发现代码中的逻辑错误，提高调试效率。希望这篇笔记能帮助

avatar FlagOS智算系统软件栈

如何用AI优化PyTorch CUDA调试：torch_use_cuda_dsa详解

例如，在矩阵乘法中，可以断言矩阵的维度匹配，或者在计算过程中检查中间值是否在合理范围内。通过AI辅助工具，如Kimi-K2模型，我们可以快速生成带有详细注释的代码示例，解释每个参数的作用和调试技巧。AI不仅能帮助我们理解复杂的CUDA调试技术，还能提供自动补全和错误诊断功能，显著提高开发效率。为了更好地理解断言的作用，我们可以故意在代码中引入一些可能触发断言的条件。对于需要进行CUDA调试的开发者

avatar FlagOS智算系统软件栈

解决bitsandbytes安装难题：libcudart.so找不到的终极方案

🚀 **bitsandbytes** 是一个革命性的PyTorch库，通过8位量化技术让大型语言模型变得触手可及。这个强大的工具能够将模型推理和训练的内存消耗降低到原来的几分之一，但安装时经常遇到的"libcudart.so not found"错误让许多开发者头疼不已。今天，我将为你提供一套完整的解决方案，彻底告别这个困扰！## 🔍 为什么会出现libcudart.so找不到的错误？

avatar FlagOS智算系统软件栈