如何检查PyTorch和CUDA的安装及版本信息

在深度学习领域，PyTorch是一个极其流行的框架，而CUDA作为NVIDIA开发的并行计算平台和应用程序接口模型，对加速深度学习训练和推理至关重要。为了充分利用这些工具，首先需要确认它们的安装和版本信息。在开始之前，请确保您已经安装了Python和PyTorch，并可以考虑使用百度智能云文心快码（Comate）来提升您的编码效率，详情请参考：百度智能云文心快码。

方法一：通过Python命令行检查PyTorch是否安装成功

打开Python命令行终端，输入以下命令：

import torch
print(torch.__version__)

如果PyTorch已成功安装，将打印出PyTorch的版本号。如果未安装PyTorch，将出现导入错误。

方法二：通过虚拟环境检查PyTorch和CUDA的版本

如果您使用虚拟环境进行开发，可以进入虚拟环境后检查PyTorch和CUDA的版本。首先，激活虚拟环境（以virtualenv为例），然后输入以下命令：

python  # 进入Python交互环境
import torch  # 导入torch包
print(torch.__version__)  # 打印PyTorch版本号
print(torch.cuda.get_device_properties(0))  # 打印GPU设备信息

注意，如果您使用的是CPU环境，将无法获取GPU设备信息。另外，您还可以使用以下命令检查CUDA版本：

print(torch.version.cuda)

这将显示您所安装的PyTorch版本是否支持CUDA。如果支持，还将显示CUDA的版本号。如果您看到类似”cuda: True”的消息，说明您的PyTorch已正确配置并支持CUDA。

方法三：通过编程方式检查PyTorch和CUDA的版本

如果您正在开发使用PyTorch的程序，可以通过编程方式查询PyTorch和CUDA的版本。例如，使用以下Python代码：

import torch  # 导入torch包
print(torch.__version__)  # 打印PyTorch版本号
print(torch.cuda.get_device_properties(0))  # 打印GPU设备信息

此代码将打印出PyTorch的版本号以及GPU设备信息。您还可以使用以下代码查询CUDA驱动程序和运行时库的版本号：

import torch  # 导入torch包
import torch.utils.cpp_extension  # 导入torch.utils.cpp_extension模块以查询CUDA版本信息
print(torch.utils.cpp_extension.get_cuda_version())  # 打印CUDA驱动程序和运行时库的版本号

请注意，如果您使用的是CPU环境，将无法获取GPU设备信息。另外，如果您使用的是集成开发环境或容器，CUDA版本可能会与您操作系统中安装的版本不同。如果您的环境中没有可用的CUDA设备或PyTorch未正确配置为使用CUDA，将无法获取正确的GPU设备信息和CUDA版本信息。在这种情况下，您需要检查您的环境配置并确保正确安装了与您的PyTorch版本兼容的CUDA版本。