### 验证 PyTorch 是否安装成功的方法 为了验证 PyTorch 是否已成功安装，可以按照以下方法进行操作： #### 方法一：通过命令行验证 1. **激活虚拟环境** 打开终端或命令提示符（CMD 或 PowerShell），输入以下命令以激活您的 Python 虚拟环境（如果适用）： ```bash conda activate 环境名 ``` 如果未使用 Conda，则无需执行此步骤。 2. **启动 Python 解释器** 输入 `python` 命令进入交互模式： ```bash python ``` 3. **导入 PyTorch 并测试功能** 在 Python 中依次运行以下代码片段来确认 PyTorch 功能是否正常工作： ```python import torch # 测试能否成功加载 PyTorch 库[^2] print(torch.__version__) # 输出当前安装的 PyTorch 版本号 ``` 4. **检测 CUDA 支持情况** 使用以下代码检查系统是否支持 GPU 加速以及是否有可用的 CUDA 设备： ```python print(torch.cuda.is_available()) # 返回 True 表明支持 GPU；返回 False 则仅能使用 CPU[^2] print(torch.cuda.current_device()) # 显示当前使用的 GPU 编号 print(torch.cuda.device_count()) # 展示系统中的 GPU 数量 print(torch.cuda.get_device_name(0)) # 获取第一个 GPU 的名称 ``` 5. **生成随机张量** 创建一个简单的张量对象用于进一步验证： ```python x = torch.rand(5, 3) # 构建大小为 (5, 3) 的随机浮点数矩阵 print(x) ``` #### 方法二：基于脚本文件验证 将上述所有指令保存至 `.py` 文件中并通过命令行运行该脚本来完成自动化检验过程。例如创建名为 `test_pytorch.py` 的文件内容如下所示： ```python import torch print(f"PyTorch Version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is supported.") print(f"CUDA Device Name: {torch.cuda.get_device_name(0)}") else: print("No CUDA support detected.") x = torch.rand(5, 3) print("Random Tensor:") print(x) ``` 随后，在同一目录下的 CMD/Powershell 下键入 `python test_pytorch.py` 即可观察最终结果。 只要整个流程顺利完成而没有任何错误消息弹出，并且输出符合预期逻辑关系，则表明 PyTorch 已经被正确配置完毕[^3]。 --- ###