### 如何验证 PyTorch 是否启用 GPU 支持 要验证 PyTorch 是否启用了 GPU 支持，可以通过以下方法进行检查。这些方法确保了程序能够正确检测到可用的 GPU 设备，并确认当前环境是否支持 CUDA。 #### 方法一：使用 `torch.cuda.is_available()` PyTorch 提供了一个简单的函数 `torch.cuda.is_available()`，用于检查当前环境中是否安装了支持 GPU 的 PyTorch 版本以及是否有可用的 CUDA 设备[^1]。 ```python import torch if torch.cuda.is_available(): print("CUDA is available. GPU support is enabled.") else: print("CUDA is not available. GPU support is disabled.") ``` #### 方法二：获取当前设备名称和索引 通过 `torch.cuda.current_device()` 和 `torch.cuda.get_device_name()` 函数可以进一步确认当前正在使用的 GPU 设备及其名称[^1]。 ```python if torch.cuda.is_available(): device_index = torch.cuda.current_device() device_name = torch.cuda.get_device_name(device_index) print(f"Using GPU: {device_name} (Index: {device_index})") else: print("No GPU detected.") ``` #### 方法三：创建张量并迁移至 GPU 通过将张量迁移到 GPU 并打印其设备信息，可以验证张量是否成功在 GPU 上运行[^1]。 ```python if torch.cuda.is_available(): tensor = torch.rand(3, 3).cuda() print(f"Tensor is on device: {tensor.device}") else: print("GPU is not available for tensor operations.") ``` #### 方法四：校验安装版本是否支持 GPU 如果发现 `torch.cuda.is_available()` 返回 `False`，可能是因为安装的 PyTorch 版本不支持 GPU。此时可以尝试重新安装支持 CUDA 的 PyTorch 版本[^4]。例如： ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126 ``` #### 方法五：指定环境变量以选择特定 GPU 如果系统中有多个 GPU，可以通过设置环境变量 `CUDA_VISIBLE_DEVICES` 来全局指定使用的 GPU[^2]。例如，仅使用索引为 1 的 GPU： ```bash CUDA_VISIBLE_DEVICES=1 python script.py ``` ---