深度学习 | Pytorch的GPU版本查看GPU是否可用、GPU版本、GPU数量

新建文件test.py复制如下内容运行即可。注意环境要选择正确

py 复制代码
import torch

# 检查 GPU 是否可用
is_cuda_available = torch.cuda.is_available()
print(f"CUDA 可用: {is_cuda_available}")

if is_cuda_available:
    # 获取 GPU 数量
    gpu_count = torch.cuda.device_count()
    print(f"GPU 数量: {gpu_count}")

    # 获取每个 GPU 的名称
    for i in range(gpu_count):
        gpu_name = torch.cuda.get_device_name(i)
        print(f"GPU {i} 名称: {gpu_name}")

    # 获取当前 GPU 的索引
    current_device = torch.cuda.current_device()
    print(f"当前使用的 GPU 索引: {current_device}")
    
    # 获取当前 GPU 的名称
    current_gpu_name = torch.cuda.get_device_name(current_device)
    print(f"当前 GPU 名称: {current_gpu_name}")
else:
    print("没有可用的 GPU。")

运行结果示例和截图

如果你的系统上有可用的 GPU,运行上述代码后,你将看到类似以下的输出:

py 复制代码
CUDA 可用: True
GPU 数量: 2
GPU 0 名称: NVIDIA GeForce GTX 1080 Ti
GPU 1 名称: NVIDIA GeForce GTX 1070
当前使用的 GPU 索引: 0
当前 GPU 名称: NVIDIA GeForce GTX 1080 Ti
如果没有可用的 GPU,输出将显示:

CUDA 可用: False
没有可用的 GPU。
这样,你就可以轻松获取到 GPU 的信息了!
相关推荐
AndrewHZ20 分钟前
【图像处理基石】如何入门色彩评估?
图像处理·人工智能·深度学习·色彩科学·hvs·色彩评估·颜色工程
TomatoSCI20 分钟前
聚类的可视化选择:PCA / t-SNE丨TomatoSCI分析日记
人工智能·机器学习
大咖分享课22 分钟前
深度剖析:最新发布的ChatGPT Agent 技术架构与应用场景
人工智能·openai·智能助手·ai代理·chatgpt agent·自主任务执行
lucky_lyovo32 分钟前
卷积神经网络--网络性能提升
人工智能·神经网络·cnn
liliangcsdn37 分钟前
smolagents - 如何在mac用agents做简单算术题
人工智能·macos·prompt
nju_spy41 分钟前
周志华《机器学习导论》第8章 集成学习 Ensemble Learning
人工智能·随机森林·机器学习·集成学习·boosting·bagging·南京大学
静心问道1 小时前
TrOCR: 基于Transformer的光学字符识别方法,使用预训练模型
人工智能·深度学习·transformer·多模态
说私域1 小时前
基于开源AI大模型、AI智能名片与S2B2C商城小程序源码的用户价值引导与核心用户沉淀策略研究
人工智能·开源
亲持红叶1 小时前
GLU 变种:ReGLU 、 GEGLU 、 SwiGLU
人工智能·深度学习·神经网络·激活函数
说私域1 小时前
线上协同办公时代:以开源AI大模型等工具培养网感,拥抱职业变革
人工智能·开源