### 验证 PyTorch 是否为 GPU 加速版本 为了验证 PyTorch 是否正确使用 GPU 加速版本，可以通过以下方法进行检查。这些方法结合了提供的引用内容以及专业实践。 #### 1. 检查 PyTorch 的 GPU 支持状态 通过调用 `torch.cuda.is_available()` 方法可以确认当前系统是否支持 CUDA，并且是否成功加载了 GPU 设备。如果返回值为 `True`，则表示系统支持 GPU 加速[^1]。 ```python import torch # 检查 CUDA 是否可用 cuda_available = torch.cuda.is_available() print(f"CUDA Available: {cuda_available}") ``` #### 2. 确认设备信息 进一步确认设备是否为 GPU，并获取设备名称。通过 `torch.device` 和 `torch.cuda.get_device_name(0)` 方法，可以明确当前运行环境是否在 GPU 上[^3]。 ```python # 决定运行设备 device = torch.device("cuda:0" if (torch.cuda.is_available()) else "cpu") print(f"Current Device: {device}") # 获取 GPU 名称（如果存在） if torch.cuda.is_available(): print(f"GPU Name: {torch.cuda.get_device_name(0)}") ``` #### 3. 测试张量操作是否在 GPU 上运行 创建一个简单的张量并将其移动到 GPU 上运行。如果能够成功生成张量并在 GPU 上运行，则说明 PyTorch 已正确配置为 GPU 版本。 ```python # 创建一个随机张量并移动到 GPU if torch.cuda.is_available(): tensor_gpu = torch.rand(3, 3).cuda() print(f"Tensor on GPU:\n{tensor_gpu}") else: print("CUDA is not available, cannot move tensor to GPU.") ``` #### 4. 安装时的注意事项 如果需要安装支持 GPU 的 PyTorch 版本，请确保选择与系统 CUDA 版本匹配的安装命令。例如，对于 CUDA 12.5 的系统，可以通过以下命令安装 PyTorch[^2]： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu125 ``` 对于国内用户，也可以使用清华大学的镜像源来加速安装[^4]： ```bash pip3 install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 如果不需要音频处理模块 `torchaudio`，可以省略该部分的安装。 --- ###