验证 cudnn 安装成功

验证 CUDA 和 cuDNN 是否安装成功通常是在使用深度学习框架如 PyTorch 或者 TensorFlow 时的重要步骤，因为它们都依赖于 NVIDIA 的库。以下是检查cuDNN是否安装并已链接到适当CUDA版本的一般方法：

**对于PyTorch：**

1. 打开命令行终端或Anaconda Prompt。
2. 输入 `import torch`，然后查看输出。如果安装了cuDNN，你会看到类似这样的信息：“cuDNN version x.y.z”（x.y.z是你实际安装的版本号）。
3. 如果没有看到cuDNN版本信息，尝试运行 `torch.backends.cudnn.enabled` 和 `torch.backends.cudnn.version()`。

**对于TensorFlow：**

1. 使用 `import tensorflow as tf`
2. 在Python交互模式下，运行 `tf.test.is_built_with_cuda()`，如果返回True，说明CUDA和cuDNN都已安装。
3. 也可以用 `tf.config.list_physical_devices('GPU')` 来确认是否有可用的GPU设备，并通过 `tf.__version__` 检查是否支持cuDNN。

**相关问题--:**
1. 如何在PyTorch中查看cuDNN版本？
2. TensorFlow如何检查是否使用了cuDNN？
3. 哪些命令用于确认GPU设备和cuDNN支持？