1. 进入终端
激活创建的虚拟环境:
conda activate PyTorch
通过nvcc -V和nvidia-smi分别查看cuda版本:
这里我系统最高可支持的是11.6的cuda。
2. 检测cuda的可行性
3. 检测cudnn可用性
由此可见,可行!
4. 检测方法汇总
>>> import torch
>>> torch.cuda.is_available() # cuda是否可用
True
>>> print(torch.version.cuda) # 查看pytorch 对应的cuda版本
11.3
>>> print(torch.__version__) # 查看pytorch版本
1.11.0
>>> torch.cuda.device_count() # 返回gpu数量
1
>>> torch.cuda.get_device_name(0) # 返回gpu名字,设备索引默认从0开始;
'NVIDIA GeForce 940MX'
>>> torch.cuda.current_device() # 返回当前设备索引
0
>>> import torch
>>> print(torch.backends.cudnn.version())
8200
>>> a = torch.tensor(1.)
>>> a.cuda()
tensor(1., device='cuda:0')
>>> from torch.backends import cudnn # 若正常则静默
>>> cudnn.is_available() # 若正常返回True
True
>>> cudnn.is_acceptable(a.cuda()) # 若正常返回True
True
>>>