方式 1

在安装完成pytorch和cudatoolkit之后，需要检查一下是否安装成功，可以直接查看当前环境下安装的所有包来验证：

conda list

可以看到pytorch版本和cuda的版本分别是1.10.1和11.3.1

方式 2

也可以在python代码中进行验证和查看

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号

在命令行中的python编译器中结果如下：

补充

还有另外一种方式查看CUDA的版本，就是在命令行中输入如下命令：

nvcc -V
nvcc --version

或者使用nvidia-smi，也可以查看CUDA的版本

但是也可以发现，这两个命令查看的版本是不同的，原因可以去这篇文章查看：https://blog.csdn.net/sophicchen/article/details/120782209

nvcc查看的就是在电脑中配置的环境变量所指向的CUDA驱动

这里不深究原理，有兴趣的可以去上边的文章学习一下。
但为了保证获取正确的虚拟环境中的CUDA版本，直接使用上面的方式1和方式2即可。

来源：KyrieLiu52