PyTorch：检测GPU与查看显卡的利器

PyTorch 检测 GPU 和查看显卡
在 PyTorch 中，我们可以使用一些内置的函数和命令来检测 GPU 和查看显卡的信息。PyTorch 是一个强大的深度学习库，它支持使用 GPU 进行加速计算，这对于处理大量数据和训练深度学习模型非常有用。
首先，我们需要确定我们的系统是否安装了 CUDA，这是 NVIDIA 开发的一个并行计算平台和应用程序接口模型，它支持 GPU 加速计算。PyTorch 使用 CUDA 来利用 GPU 进行计算。我们可以使用以下代码来检测我们的系统是否安装了 CUDA：

import torch
print(torch.cuda.is_available())

如果输出为 True，则表示您的系统已安装 CUDA，可以使用 GPU 进行加速计算。
接下来，我们可以使用 PyTorch 的 device() 函数将模型和数据移到 GPU 上。例如，如果我们有一个模型 model 和一些输入数据 data，我们可以这样将它们移到 GPU 上：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
model = model.to(device)
data = data.to(device)

在这里，cuda:0 表示第一个 GPU，如果有多个 GPU，可以使用 cuda:1、cuda:2 等来指定其他 GPU。
另外，我们可以通过 torch.cuda.get_device_name() 函数来获取指定设备的名称。例如，我们可以使用以下代码来获取第一个 GPU 的名称：

print(torch.cuda.get_device_name(0))

如果我们想查看更详细的显卡信息，可以使用 nvidia-smi 命令。这是一个用于查看和管理 NVIDIA 显卡信息的命令行工具。在终端中输入 nvidia-smi，就可以查看显卡的详细信息，包括显卡型号、CUDA 版本、内存使用情况等。
另外，我们也可以使用 PyTorch 的 torch.cuda.get_device_properties() 函数来获取指定设备的属性信息，包括设备名称、架构、内存等。例如，我们可以使用以下代码来获取第一个 GPU 的属性信息：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
props = torch.cuda.get_device_properties(device)
print(props)