### 如何确保 Python 程序调用支持 CUDA 的 PyTorch 而不是 CPU 版本 为了确保 Python 程序能够正确调用支持 CUDA 的 PyTorch，可以按照以下方式验证和调整环境配置。 #### 1. 验证已安装的 PyTorch 是否为 GPU 版本 可以通过打印 `torch` 库的信息来确认当前环境中安装的 PyTorch 是 GPU 版还是 CPU 版。以下是具体的代码实现： ```python import torch print(f"PyTorch Version: {torch.__version__}") # 打印 PyTorch 版本号 if 'cu' in torch.version.cuda: print("CUDA-enabled version of PyTorch is installed.") else: print("CPU-only version of PyTorch is installed.") # 如果输出仅显示版本号，则说明未安装 GPU 支持版[^2] ``` #### 2. 检查 CUDA 可用性 进一步检查当前设备是否支持并启用了 CUDA 加速功能： ```python is_cuda_available = torch.cuda.is_available() print(f"CUDA Available: {is_cuda_available}") current_device_name = torch.cuda.get_device_name(0) if is_cuda_available else "N/A" print(f"Current Device Name: {current_device_name}") ``` 上述代码会检测是否有可用的 CUDA 设备以及其名称。如果没有启用 CUDA 或者没有找到任何 GPU 设备，则可能是因为系统缺少必要的驱动程序或库文件[^1]。 #### 3. 安装匹配的 CUDA 和 PyTorch 版本 如果发现现有环境中的 PyTorch 不支持 CUDA，或者存在版本冲突的情况，建议重新创建虚拟环境，并严格按照官方推荐的方式安装兼容的组合版本。例如，在 Anaconda 中执行如下命令可安装指定版本的 PyTorch 并自动处理依赖关系： ```bash conda install pytorch=1.8.0 cudatoolkit=11.2 -c pytorch ``` 对于 pip 用户来说，也可以访问 [PyTorch官网](https://pytorch.org/get-started/locally/) 获取最新的稳定二进制包链接地址进行下载安装[^3]: ```bash pip install torch==1.8.0+cu111 torchvision torchaudio -f https://download.pytorch.org/whl/torch_stable.html ``` 以上操作完成后再次测试 `torch.cuda.is_available()` 函数的结果即可判断问题是否得到解决。 --- ###