### 验证 PyTorch 是否成功安装 在 Windows 环境下，验证 PyTorch 是否正确安装可以通过以下方法完成。以下是详细的步骤和代码示例： 1. **激活虚拟环境** 如果使用的是 Anaconda 创建的虚拟环境，首先需要激活对应的虚拟环境。打开命令提示符或 PowerShell，并输入以下命令以激活虚拟环境： ```bash conda activate 虚拟环境名 ``` 2. **检查 PyTorch 包是否存在** 在激活虚拟环境后，可以使用 `conda list` 命令查看当前环境中是否安装了 PyTorch 或 torch 包： ```bash conda list ``` 如果列表中包含 `pytorch` 或 `torch`，说明该包已安装[^2]。 3. **进入 Python 环境** 输入以下命令进入 Python 环境： ```bash python ``` 4. **导入 PyTorch 并验证版本信息** 在 Python 环境中，运行以下代码以验证 PyTorch 是否正确安装并输出其版本号： ```python import torch print("PyTorch version:", torch.__version__) ``` 5. **检查 GPU 支持** 使用以下代码检查系统是否支持 GPU 加速： ```python print("CUDA available:", torch.cuda.is_available()) print("CUDA version:", torch.version.cuda) ``` 如果 `torch.cuda.is_available()` 返回 `True`，则表示 PyTorch 已成功配置为使用 GPU 加速[^3]。 6. **测试张量操作** 如果 GPU 可用，可以进一步测试张量在 GPU 上的操作： ```python if torch.cuda.is_available(): x = torch.rand(5, 3).cuda() print(x) else: print("No GPU available") ``` 如果打印出一个随机生成的张量，则说明 PyTorch 的 GPU 功能正常工作[^4]。 ### 注意事项 - 如果 `torch.cuda.is_available()` 返回 `False`，但系统确实配备了 NVIDIA GPU 和 CUDA 驱动程序，请检查是否正确安装了与 PyTorch 兼容的 CUDA 版本。 - 如果未安装 GPU 驱动程序或不支持 CUDA 的硬件，则 PyTorch 将仅使用 CPU 进行计算。 ```python import torch print("PyTorch version:", torch.__version__) # 输出 PyTorch 版本 print("CUDA available:", torch.cuda.is_available()) # 检查是否有可用的 GPU print("CUDA version:", torch.version.cuda) # 输出 CUDA 版本 if torch.cuda.is_available(): x = torch.rand(5, 3).cuda() # 测试张量在 GPU 上的操作 print(x) else: print("No GPU available") ```