Pytorch GPU安装完毕后如何在python中导入

您可以在 Python 中使用以下代码导入 PyTorch： import torch 如果您的 PyTorch 安装在 GPU 上，您可以使用以下代码检查 GPU 是否可用： if torch.cuda.is_available(): device = torch.device("cuda") print("GPU is available") else: device = torch.device("cpu") print("GPU is not available")

### Windows 11 上安装 PyTorch-GPU 及其对应的 CUDA 配置 #### 虚拟环境准备 为了确保安装过程不会影响其他项目依赖，建议先创建一个新的 Conda 或虚拟环境。以下是基于 Conda 的方法： ```bash conda create -n torch-gpu python=3.9 conda activate torch-gpu ``` 上述命令会创建名为 `torch-gpu` 的新环境并激活它[^4]。 --- #### 显卡驱动更新 在安装 PyTorch-GPU 前，需确认已安装最新的 NVIDIA 显卡驱动程序。可以通过访问 [NVIDIA 官方网站](https://www.nvidia.com/Download/index.aspx)，输入显卡型号和操作系统信息来获取最新驱动版本。如果未安装合适的驱动，则可能导致后续 CUDA 功能无法正常工作。 --- #### CUDA 工具包安装 根据引用内容可知，CUDA 是支持 GPU 加速的关键工具包。推荐选择稳定且兼容性强的 CUDA 版本（如 CUDA 11.3）。具体步骤如下： 1. 访问 [NVIDIA CUDA 下载页面](https://developer.nvidia.com/cuda-downloads) 并选择适合的操作系统（Windows 11）以及目标架构。 2. 执行下载后的安装文件，默认选项即可完成基本功能部署。 3. 验证 CUDA 是否成功安装： ```cmd nvcc -V ``` 如果返回类似以下信息则表示安装成功： ``` C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin\nvcc.exe: fatal error: no input files compilation terminated. ``` 此外，可通过检查环境变量进一步验证设置是否正确： ```cmd set cuda ``` 此命令应显示路径指向 CUDA 工具包所在目录[^3]。 --- #### PyTorch GPU 版本安装 一旦 CUDA 准备完毕，便可着手安装 PyTorch 的 GPU 支持版本。官方提供了便捷查询链接帮助匹配特定需求组合下的最佳安装指令：<https://pytorch.org/get-started/locally/> 。对于采用 Conda 渠道的情况，通常执行下面语句即能满足多数场景的要求： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c nvidia ``` 这里特别指定了 `cudatoolkit=11.3` 参数以同步所选 CUDA 版本号[^2]。 完成后可测试导入模块是否无误： ```python import torch print(torch.cuda.is_available()) # 应输出 True 表明检测到可用 GPU 设备 print(torch.version.cuda) # 输出当前加载之 CUDA 编译版本字符串 ``` --- #### 注意事项 仅当计算机配备由 NVIDIA 提供图形处理单元 (GPU) 时才可行尝试以上流程；否则应当考虑转而设立纯 CPU 运作模式下运行框架实例。 ---