1 查看tensorflow版本
1.1 进入对应的环境
打开终端、进入对应的虚拟环境,我的是tensorflow1140cuda100
conda activate tensorflow1140cuda100
![在这里插入图片描述](https://img-blog.csdnimg.cn/9b9ecdf0cc0c4e83a49577e561fecb75.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
1.2 打开Python
python
![在这里插入图片描述](https://img-blog.csdnimg.cn/19d4d73e684443bbb19e9fb28a735e58.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
1.3 查看tensorflow版本、安装路径
import tensorflow as tf
tf.__version__ # 此命令为获取安装的tensorflow版本
print(tf.__version__) # 输出版本
tf.__path__ #查看tensorflow安装路径
print(tf.__path__)
![在这里插入图片描述](https://img-blog.csdnimg.cn/c4b3028a4c3c46f1995863040d7b61f4.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
2 查看cuda版本、查看cudnn版本
2.1 进入对应的环境
打开终端、进入对应的虚拟环境,我的是tensorflow1140cuda100
conda activate tensorflow1140cuda100
![在这里插入图片描述](https://img-blog.csdnimg.cn/9b9ecdf0cc0c4e83a49577e561fecb75.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
2.2 输入命令,查看cuda版本、cudnn版本
conda list | grep cuda
# 直接在终端里,打开相应环境,进行查看
![在这里插入图片描述](https://img-blog.csdnimg.cn/5e765485e94043af9e68d8f140e506b8.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
3 查看GPU可用性
3.1 进入对应的环境
打开终端、进入对应的虚拟环境,我的是tensorflow1140cuda100
conda activate tensorflow1140cuda100
![在这里插入图片描述](https://img-blog.csdnimg.cn/9b9ecdf0cc0c4e83a49577e561fecb75.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
3.2 打开Python
python
![在这里插入图片描述](https://img-blog.csdnimg.cn/19d4d73e684443bbb19e9fb28a735e58.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
3.3 查看GPU可用性
import tensorflow as tf
print(tf.test.is_gpu_available())#如果结果是True,表示GPU可用
![在这里插入图片描述](https://img-blog.csdnimg.cn/45b2537822844c16b6701b6b94c1402e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
4 查看cuda可用性
4.1 进入对应的环境
打开终端、进入对应的虚拟环境,我的是tensorflow1140cuda100
conda activate tensorflow1140cuda100
![在这里插入图片描述](https://img-blog.csdnimg.cn/9b9ecdf0cc0c4e83a49577e561fecb75.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
4.2 打开Python
python
![在这里插入图片描述](https://img-blog.csdnimg.cn/19d4d73e684443bbb19e9fb28a735e58.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)
4.3 查看cuda可用性
import tensorflow as tf
tf.test.is_built_with_cuda()
print(tf.test.is_built_with_cuda())#返回true表示可用
![在这里插入图片描述](https://img-blog.csdnimg.cn/3cc9ca967b004b7bbfc9c9d67614a254.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQ-ezu-ivreiogA==,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)