cuda、cuDNN和GPU版本的pytorch验证是否安装成功

1.cuda的安装与验证是否安装成功

1.1cuda的安装

• 视频教程
  推荐某音上的一个视频教程思路很清晰，按照博主的教程一步一步来应该没问题，链接为手把手教你装cuda：https://v.douyin.com/iespToNe/
• 教程中的cuda官网：https://developer.nvidia.com/cuda-toolkit-archive

1.2cuda验证是否安装成功

• 方法一: win+R打开终端输入nvcc --version
  弹出如下信息则证明安装成功
  
• 方法二：打开我们的PyCharm输入以下代码
  如果安装成功会返回True

#验证cuda安装
import torch
print(torch.cuda.is_available())  #返回True则说明已经安装了cuda

2.cuDNN的安装与验证是否安装成功

2.1cuDNN的安装

• 视频教程
  推荐某音上的一个视频教程思路很清晰，按照博主的教程一步一步来应该没问题，链接为手把手教你装cuda：https://v.douyin.com/iespToNe/
• 教程中的cuDNN官网：https://developer.nvidia.com/rdp/cudnn-archive

2.2cuDNN验证是否安装成功

• 方法一：
  找到这个目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite
  在该目录前面敲cmd 进入到终端(注意最后有个空格)
  
  
  在终端输入deviceQuery.exe,应该弹出PASS信息
  
  
  再在终端输入bandwidthTest.exe，也会弹出PASS信息，如果上面两步都是PASS的话则证明安装成功
  
  
• 方法二： 打开我们的PyCharm输入以下代码
  如果安装成功会返回True

#验证cuDNN安装
from torch.backends import cudnn
print(cudnn.is_available())  #返回True说明已经安装了cuDNN

3.GPU版本的PyTorch安装验证

• 打开我们的PyCharm输入以下代码

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

输出如下信息就代表安装成功