在CUDA编程中，查看内存值可以通过以下几种方法：
使用PyTorch
如果你使用的是PyTorch库，可以通过以下代码查看当前分配的GPU内存量：
```python
import torch
print("CUDA memory used: {:.3f} GBs".format(torch.cuda.max_memory_allocated() / 1024 3))
```
这将输出当前分配的GPU内存量，以GB为单位。
使用CUDA Runtime API
你可以使用CUDA Runtime API中的`cudaMemGetInfo（）`函数来检查设备上的可用内存。该函数返回当前可用于分配的总设备内存大小和当前可用于分配的最大单个内存块大小。示例代码如下：
```c
size_t free_byte, total_byte;
cudaMemGetInfo(&free_byte, &total_byte);
printf("Device memory: total %ld, free %ld
", total_byte, free_byte);
```
在这段代码中，`cudaMemGetInfo（）`函数被调用来获取总内存和空闲内存的大小，然后通过`printf`函数输出这些值。
使用deviceQuery工具
在Linux系统上，你可以使用NVIDIA提供的`deviceQuery`工具来查询本机设备（显卡）的信息。这个工具会显示设备的详细规格，包括总内存大小和可用内存大小。你可以通过以下命令运行`deviceQuery`：
```bash
./deviceQuery
```
这将输出设备的详细信息，包括内存使用情况。
使用nvidia-smi工具
`nvidia-smi`是一个常用的命令行工具，用于显示NVIDIA GPU设备的状态信息，包括内存使用情况。你可以通过以下命令运行`nvidia-smi`：
```bash
nvidia-smi
```
这将输出一个表格，其中包含GPU的内存使用情况，包括总内存、已使用内存、空闲内存等信息。
通过以上方法，你可以轻松查看CUDA编程中设备的内存使用情况。根据你的具体需求和编程环境，选择最适合的方法即可。