PyTorch快速安装并验证GPU是否可用

PyTorch安装与GPU检测指南

原创已于 2023-08-01 16:16:18 修改 · 6.9k 阅读

30 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #人工智能 #python

于 2023-07-01 18:15:14 首次发布

本文提供了PyTorch的官网安装步骤，包括在Anaconda虚拟环境中执行安装命令。之后，详细阐述了如何使用Python交互式环境(iPython)和PyCharm检查GPU是否兼容及可用，通过torch.cuda的相关函数查询CUDA版本、设备数量、设备名和设备容量。

部署运行你感兴趣的模型镜像

步骤一：PyTorch官网安装

PyTorch官网：https://pytorch.org/

根据PyTorch官网的安装提示，选择合适版本后会生成安装语句，拷贝安装语句到Anaconda相应虚拟环境中，即可一键安装。

步骤二：检查GPU是否可用

进入环境：

ipython

导入pytorch包：

import torch

查看cuda是否可用：

torch.cuda.is_available()

查看cuda设备的数量：

torch.cuda.device_count()

查看当前使用的cuda编号：

torch.cuda.current_device()

查看GPU设备名：

torch.cuda.get_device_name()

查看设备容量：

torch.cuda.get_device_capability(0)

在PyCharm中检查GPU是否可用

代码：

import torch

def gpu_is_available():
    print('\nGPU details:')
    print(f'    gpu_is_available      : ', torch.cuda.is_available())
    print(f'    cuda_device_count     : ', torch.cuda.device_count())
    print(f'    cuda_device_name      : ', torch.cuda.get_device_name())
    print(f'    cuda_device_capability: ', torch.cuda.get_device_capability(0))

gpu_is_available()