PyTorch: Checking GPU Availability and CUDA Version

查看PyTorch中GPU是否可用 PyTorch查看CUDA版本
在PyTorch中，我们可以使用一些特定的命令和函数来检查GPU是否可用以及CUDA的版本。以下是如何进行这些操作的步骤。
首先，我们需要导入PyTorch库：

import torch

查看GPU是否可用

要检查GPU是否可用，我们可以使用torch.cuda.is_available()函数。这个函数将返回一个布尔值，如果GPU可用，返回True，否则返回False。

print(torch.cuda.is_available())

如果返回True，则说明你的GPU是可用的。如果返回False，则说明你的GPU可能没有正确安装或不可用。

查看CUDA版本

要查看CUDA版本，我们可以使用torch.version.cuda。这个命令将返回你当前安装的CUDA版本。

print(torch.version.cuda)

如果你的环境中安装了CUDA，这个命令将返回CUDA的版本号。如果没有安装CUDA，这个命令将返回None。
在使用GPU进行PyTorch计算之前，最好确认你的CUDA版本与你的PyTorch版本兼容。如果不兼容，你可能需要更新你的PyTorch或CUDA，或者选择在一个兼容的版本上进行工作。
注意：在使用GPU进行PyTorch计算时，需要确保你的数据和模型都在正确的设备上（即GPU或CPU）。你可以使用torch.device来指定你的设备。例如：

# 将一个张量移动到GPU上
tensor = tensor.to(device)
# 将一个模型移动到GPU上
model = model.to(device)

在这里，device可以是一个字符串，如'cuda'（对于第一个可用的GPU）或'cuda:0'（对于特定的GPU）。如果你想将你的数据和模型留在CPU上，你可以使用'cpu'作为设备。