Python操作PyTorch版本与CUDA可用性检测指南

Python 查看 PyTorch 版本与判断 CUDA 是否可用
在深度学习和机器学习的世界中，PyTorch 是一个广泛使用的开源框架，它使数据科学家和工程师能够更容易地进行研究和开发。此外，由于 GPU 提供了更强大的计算能力，因此利用 CUDA（Compute Unified Device Architecture）进行并行计算可以大大加速深度学习模型的训练和推断。
在 Python 中，我们可以使用一些简单的命令来查看 PyTorch 的版本以及判断 CUDA 是否可用。
查看 PyTorch 版本：
要查看 PyTorch 的版本，您可以在 Python 环境中执行以下命令：

import torch
print(torch.__version__)

这将输出您正在使用的 PyTorch 的版本号。
判断 CUDA 是否可用：
要检查 CUDA 是否可用，您可以使用以下代码：

import torch
if torch.cuda.is_available():
print("CUDA is available!")
print("GPU devices:", torch.cuda.device_count())
for i in range(torch.cuda.device_count()):
print(f"Device {i} has {torch.cuda.get_device_name(i)}")
else:
print("CUDA is not available.")

这段代码首先检查 CUDA 是否可用。如果可用，它将打印出可用的 GPU 设备数量以及每个设备的名称。如果 CUDA 不可用，它将打印出一条消息说明 CUDA 不可用。
注意：在运行这些代码之前，请确保您已经安装了 PyTorch。如果您还没有安装 PyTorch，可以使用 pip 进行安装：

pip install torch torchvision torchaudio

此外，为了使 CUDA 正常工作，您还需要确保您的系统上安装了 NVIDIA 的 GPU 和对应的驱动，并且在安装 CUDA 工具包时选择了与您的系统和 GPU 兼容的版本。如果 CUDA 不可用，可能是因为您的系统上没有安装 NVIDIA 的 GPU、驱动或 CUDA 工具包，或者您安装的版本与您的系统和 GPU 不兼容。