### 验证PyCharm中torch-gpu版安装是否成功的方法 在PyCharm中验证`torch-gpu`版本是否安装成功，可以通过以下方法实现： #### 1. 检查CUDA可用性 运行以下代码以确认CUDA是否可用： ```python import torch print("Torch Version:", torch.__version__) # 打印PyTorch版本号[^3] print("CUDA Available:", torch.cuda.is_available()) # 检查CUDA是否可用 ``` 如果`torch.cuda.is_available()`返回`True`，则表明GPU支持已正确配置。 #### 2. 验证cuDNN支持 进一步检查cuDNN是否可用： ```python from torch.backends import cudnn print("cuDNN Available:", cudnn.is_available()) # 检查cuDNN是否可用[^3] ``` 若`cudnn.is_available()`返回`True`，说明cuDNN支持正常。 #### 3. 确认设备类型 通过以下代码确认当前使用的设备类型： ```python device = torch.device("cuda" if torch.cuda.is_available() else "cpu") print("Device:", device) # 输出当前设备类型 ``` 如果输出为`cuda`，则表示GPU已被正确识别并使用。 #### 4. 测试张量操作 创建一个张量并在GPU上进行操作： ```python x = torch.tensor([1.0, 2.0, 3.0], device=device) print("Tensor on Device:", x.device) # 打印张量所在设备 ``` 若张量位于`cuda`设备上，则表明GPU支持正常。 #### 5. 检查CUDA版本 确认安装的PyTorch与CUDA版本是否匹配： ```python print("CUDA Version:", torch.version.cuda) # 打印CUDA版本号 ``` 确保该版本与系统中安装的CUDA驱动版本一致。 #### 注意事项 - 如果`torch.cuda.is_available()`返回`False`，可能是由于未正确安装GPU版本的PyTorch或CUDA驱动问题[^4]。 - 在PyCharm中运行时，请确保选择正确的Python解释器，并且该解释器所在的环境中已安装GPU版本的PyTorch。 ### 示例完整代码 以下是一个完整的示例代码，用于验证GPU支持： ```python import torch from torch.backends import cudnn # 打印PyTorch版本和CUDA可用性 print("Torch Version:", torch.__version__) print("CUDA Available:", torch.cuda.is_available()) # 检查cuDNN支持 print("cuDNN Available:", cudnn.is_available()) # 确认设备类型 device = torch.device("cuda" if torch.cuda.is_available() else "cpu") print("Device:", device) # 测试张量操作 x = torch.tensor([1.0, 2.0, 3.0], device=device) print("Tensor on Device:", x.device) # 打印CUDA版本 print("CUDA Version:", torch.version.cuda) ```