### 查看已安装的 PyTorch 对应的 CUDA 版本 在 Python 环境中，可以通过以下方法检查当前安装的 PyTorch 所对应的 CUDA 版本： #### 方法一：使用 `torch.version.cuda` 属性 运行以下代码可以获取当前安装的 PyTorch 使用的 CUDA 版本： ```python import torch # 打印 PyTorch 的 CUDA 版本号 print(torch.version.cuda) ``` 上述代码将输出类似 `11.6` 的版本号，表示当前安装的 PyTorch 使用的是 CUDA 11.6[^1]。 #### 方法二：通过 `torch.cuda.is_available()` 和 `torch.cuda.get_device_properties()` 除了检查 CUDA 版本外，还可以验证是否启用了 GPU 支持，并获取设备的详细信息： ```python import torch # 检查是否支持 CUDA print("CUDA Available:", torch.cuda.is_available()) # 获取设备属性 if torch.cuda.is_available(): device = torch.device("cuda") props = torch.cuda.get_device_properties(device) print(f"Device Name: {props.name}, CUDA Capability: {props.major}.{props.minor}") ``` 如果系统启用了 CUDA，上述代码将输出设备名称和 CUDA 能力版本。例如： ``` CUDA Available: True Device Name: NVIDIA GeForce RTX 3090, CUDA Capability: 8.6 ``` #### 方法三：通过命令行工具 `conda list` 或 `pip show` 如果通过 `conda` 安装了 PyTorch，可以运行以下命令查看相关依赖项： ```bash conda list pytorch ``` 输出中可能包含类似以下的内容： ``` pytorch-cuda 11.6 hfd86e86_0 nvidia ``` 这表明当前安装的 PyTorch 配置为使用 CUDA 11.6[^2]。 如果通过 `pip` 安装，则可以运行： ```bash pip show torch ``` 在输出中查找与 CUDA 相关的字段，通常会显示类似 `Requires: cudatoolkit` 的信息。 --- ### 注意事项 - 如果 `torch.version.cuda` 返回 `None`，则表示当前安装的 PyTorch 是仅支持 CPU 的版本，未启用 CUDA。 - 在多 GPU 环境下，可以通过 `torch.cuda.device_count()` 检查可用 GPU 的数量，并结合 `torch.cuda.get_device_properties()` 获取每个 GPU 的详细信息。 ---