查看pytorch与cuda版本
时间: 2025-03-05 16:39:36 浏览: 36
### 如何检查当前系统中安装的PyTorch和CUDA版本
为了确认已安装的PyTorch及其对应的CUDA版本,可以通过Python脚本或命令行工具来进行检测。
#### 使用Python脚本来检查PyTorch和CUDA版本
通过编写简单的Python代码片段来获取这些信息:
```python
import torch
print(f"PyTorch Version: {torch.__version__}")
if torch.cuda.is_available():
print(f"CUDA Available: True")
print(f"CUDA Version: {torch.version.cuda}")
else:
print("CUDA is not available.")
```
这段代码首先导入`torch`库并打印出PyTorch的具体版本号;接着判断CUDA是否可用以及显示其版本号[^1]。
#### 命令行方式查询CUDA版本
除了上述方法外,还可以直接利用Linux下的命令行工具来查看CUDA版本。对于大多数情况下,可以运行如下命令:
```bash
nvcc --version
```
该命令将会输出编译器驱动程序的信息,其中包括了CUDA toolkit 的版本详情[^2]。
另外,在某些环境中也可以尝试使用以下命令获得更详细的GPU及相关软件栈信息:
```bash
nvidia-smi
```
此命令不仅能够展示CUDA版本,还能提供关于正在使用的显卡型号和其他有用的数据[^3]。
#### 验证PyTorch CUDA支持情况
如果想要进一步验证PyTorch确实能够在带有特定CUDA配置的情况下正常工作,则可以在Python交互模式下执行下面的操作:
```python
device = 'cuda' if torch.cuda.is_available() else 'cpu'
tensor_example = torch.tensor([1.0], device=device)
print(tensor_example.device)
```
这将创建一个位于CPU或GPU上的张量实例,并输出其所处的位置,以此证明PyTorch能否成功调用到CUDA资源[^4]。
阅读全文
相关推荐

















