pytorch判断cuda
时间: 2025-01-08 09:09:57 浏览: 119
### 验证 PyTorch 中 CUDA 支持
为了确认 PyTorch 已经成功配置并能够利用 CUDA 加速计算,可以执行一系列简单的测试命令。这些操作不仅会验证 CUDA 的可用性,还会提供关于 GPU 设备的信息。
#### 检查 CUDA 是否可用
通过导入 `torch` 并调用 `torch.cuda.is_available()` 函数来检测当前环境是否支持 CUDA[^1]:
```python
import torch
print(torch.cuda.is_available())
```
此函数返回布尔值,其中 `True` 表明 CUDA 是可用的,并且 PyTorch 可以访问至少一个 NVIDIA GPU;而 `False` 则意味着无法找到有效的 CUDA 安装或任何兼容的硬件设备[^2]。
#### 查询可用 GPU 数量
进一步了解有多少个 GPU 可供使用也很重要。这可以通过调用 `torch.cuda.device_count()` 方法实现:
```python
print(torch.cuda.device_count())
```
该方法返回整数形式的结果,代表系统内可被识别和支持的 GPU 总数量。
#### 获取 GPU 详情
对于每一个已连接并且受支持的 GPU,还可以查询其具体型号和其他属性。下面这段代码展示了如何遍历所有可用的 GPU 并打印它们的名字以及所使用的 CUDA 版本号:
```python
for i in range(torch.cuda.device_count()):
print(f"GPU {i}: {torch.cuda.get_device_name(i)}")
print(f"CUDA Version: {torch.version.cuda}")
```
上述脚本将依次输出每一块显卡的具体名称及其对应的驱动程序版本信息。
阅读全文
相关推荐



















