轻松掌握！如何查看PyTorch的CPU与GPU版本

摘要：想要轻松查看PyTorch的CPU与GPU版本？只需简单几步。确保已安装PyTorch。在Python环境中，通过导入torch模块并使用torch.__version__查看PyTorch版本。对于GPU版本，可使用torch.cuda.is_available()检查CUDA是否可用，若返回True则表明支持GPU。torch.cuda.get_device_name(0)可获取当前GPU名称，帮助确认GPU版本。这样，你就能快速了解PyTorch的CPU与GPU支持情况了。

在深度学习领域，PyTorch无疑是最受欢迎的框架之一，它以其简洁的API和强大的灵活性赢得了众多开发者和研究人员的青睐，在使用PyTorch进行项目开发时，了解当前安装的PyTorch版本，特别是它是针对CPU还是GPU优化，对于确保项目顺利运行至关重要，我们就来聊聊如何轻松查看PyTorch的CPU与GPU版本。

查看PyTorch版本

（图片来源网络，侵删）

查看PyTorch版本的方法非常简单，无论你是通过pip安装的还是从源代码编译的，都可以通过Python的命令行界面（CLI）快速获取，打开你的终端或命令提示符，然后输入以下Python命令：

（图片来源网络，侵删）

import torch
print(torch.__version__)

执行上述命令后，你将看到当前安装的PyTorch版本号，比如1.10.0，这个版本号对于了解你正在使用的PyTorch特性集和兼容性非常重要。

（图片来源网络，侵删）

判断是否支持GPU

（图片来源网络，侵删）

虽然上述命令能够告诉你PyTorch的版本号，但它并不直接告诉你PyTorch是否支持GPU，要检查PyTorch是否支持GPU，并查看可用的GPU信息，你可以使用以下命令：

（图片来源网络，侵删）

import torch
检查CUDA是否可用
if torch.cuda.is_available():
    print("CUDA is available. Training on GPU.")
    # 获取CUDA设备数量
    print(f"Number of available GPUs: {torch.cuda.device_count()}")
    # 获取当前CUDA设备的名称
    print(f"Current GPU Device: {torch.cuda.get_device_name(0)}")
else:
    print("CUDA is not available. Training on CPU.")

这段代码首先检查CUDA是否可用，即PyTorch是否能够利用NVIDIA GPU进行加速计算，如果CUDA可用，它会进一步告诉你可用的GPU数量以及当前GPU设备的名称，如果CUDA不可用，则意味着PyTorch将默认使用CPU进行计算。

（图片来源网络，侵删）

常见问题解答

（图片来源网络，侵删）

问题1：我已经安装了PyTorch，但为什么torch.cuda.is_available()返回False？

（图片来源网络，侵删）

答：这通常意味着你的系统没有检测到NVIDIA GPU，或者CUDA驱动没有正确安装，请确保你的机器上安装了NVIDIA GPU，并且已经安装了与你的PyTorch版本兼容的CUDA驱动和CUDA Toolkit。

（图片来源网络，侵删）

问题2：我如何知道我的PyTorch版本是为CPU还是GPU优化的？

（图片来源网络，侵删）

答：PyTorch的安装包并不直接区分CPU和GPU版本，PyTorch的安装包是通用的，但能否利用GPU加速取决于你的系统是否支持CUDA，如果你的系统支持CUDA，并且已经安装了相应的驱动和CUDA Toolkit，那么PyTorch就能自动利用GPU进行加速计算。

（图片来源网络，侵删）

问题3：如果我想安装支持GPU的PyTorch版本，应该怎么做？

（图片来源网络，侵删）

答：安装支持GPU的PyTorch版本并不复杂，你只需在安装时确保你的系统满足CUDA的要求，并指定安装包含CUDA支持的PyTorch包即可，这通常可以通过pip命令中的特定选项或者使用PyTorch的官方安装命令并指定CUDA版本来实现，你可以访问PyTorch的官方网站，根据你的系统配置（如操作系统、Python版本、CUDA版本等）选择相应的安装命令。

（图片来源网络，侵删）