PyTorch查看版本信息：从torch到cuda的全方位了解

在深度学习框架中，PyTorch已经成为最受欢迎的选择之一。它为用户提供了强大的功能和灵活性，使得研究和开发变得更加高效。在使用PyTorch之前，了解其版本以及相关的依赖库版本是非常重要的。本文将详细介绍如何查看PyTorch、torchvision、CUDA、cudnn的版本，以及如何检查PyTorch和CUDA的可用性。

1. 查看PyTorch版本

要查看PyTorch的版本，可以在Python环境中执行以下命令：

import torch
print(torch.__version__)

这将输出你当前安装的PyTorch版本号。

2. 查看torchvision版本

torchvision是PyTorch的一个扩展库，提供了许多用于计算机视觉任务的模型和数据集。要查看torchvision的版本，可以在Python环境中执行以下命令：

import torchvision
print(torchvision.__version__)

这将输出你当前安装的torchvision版本号。

3. 查看CUDA版本

CUDA是NVIDIA开发的并行计算平台和应用程序编程接口（API）。它允许开发者使用NVIDIA GPU进行通用计算。要查看当前安装的CUDA版本，可以在命令行中运行以下命令：

nvcc --version

这将输出你的NVIDIA CUDA工具包的版本信息。如果你没有安装CUDA，或者CUDA未正确配置，上述命令可能无法正常工作。

4. 查看cudnn版本

cuDNN（CUDA Deep Neural Network library）是NVIDIA为深度神经网络设计的GPU加速库。它是与CUDA紧密集成的，通常与PyTorch一起使用以获得最佳性能。要查看cudnn的版本，可以在命令行中运行以下命令：

nvcc --query=cudnn.version

这将输出你的cuDNN版本信息。请注意，为了运行此命令，你需要已经安装了CUDA。

5. 查看PyTorch可用性

要检查PyTorch是否已经正确安装并可在当前Python环境中使用，可以执行以下命令：

import torch.utils.checkpoint as checkpoint_util
print(checkpoint_util)

如果PyTorch已正确安装，上述代码将输出<module 'torch.utils.checkpoint' from '...'>。如果未安装PyTorch，将引发导入错误。

6. 查看CUDA可用性

要检查CUDA是否已经正确安装并可在当前系统上使用，可以执行以下命令：

import torch.cuda as cuda_util  # PyTorch's CUDA extension module for PyTorch >= 1.10.0 (torchscript, torch.distributed, etc.)
print(cuda_util)  # If CUDA is available, this will print something like "<module 'torch.cuda' from '/path/to/your/pytorch/lib/python3.x/site-packages/torch/cuda/__init__.py'>"