首先通过语句,得到自己的pytorch版本:
import torch
print(torch.__version__)
如果+号后面是cu和一串数字,那么恭喜,你的pt版本支持CUDA,那么你可以通过以下代码获得你的CUDA设备编号:
import torch
# 检查系统上可用的 CUDA 设备数量
device_count = torch.cuda.device_count()
print("可用的 CUDA 设备数量:", device_count)
# 遍历每个 CUDA 设备,并打印设备编号和设备名称
for i in range(device_count):
device_name = torch.cuda.get_device_name(i)
print("CUDA 设备 {}: {}".format(i, device_name))
如果+号后面是“cpu”,那么请遵循以下步骤:
第一步:卸载你目前的pytorch(必要的)
pip uninstall torch
pip uninstall torchvision
pip uninstall torchaudio
后两个可能不是必要的
第二步:打开pt官网,得到下载版本指令
选择合适的CUDA版本(版本要与GPU支持的CUDA相兼容),复制下面生成的下载指令
进入Powershell终端或CMD,输入复制好的指令,等待下载即可(此方法是基于pip,如果是第三方包管理软件,请参考其他教程)
注意:下载完成后记得打印出pytorch的版本,看是否是gpu版本!
第三步:根据上文提到的方法获得设备编号,然后进行配置
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
此时,你可以通过CUDA加速计算了。