pytorch 下查看cuda是否可用，cuda版本以及cudnn版本信息

在 PyTorch 中，你可以很容易地检查 CUDA 是否可用、CUDA 的版本以及 cuDNN 的版本信息。以下是如何在 PyTorch 中获取这些信息的步骤：

检查 CUDA 是否可用

首先，你需要检查 CUDA 是否在你的系统上可用。PyTorch 提供了一个简单的方法来检查这一点。

import torch

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

# 如果 CUDA 可用，打印当前设备名称
if torch.cuda.is_available():
    print(f"Current device: {torch.cuda.get_device_name(0)}")

获取 CUDA 版本

你可以使用 torch.version.cuda 来获取 CUDA 的版本信息。

import torch

# 获取 CUDA 版本
cuda_version = torch.version.cuda
print(f"CUDA Version: {cuda_version}")

获取 cuDNN 版本

你可以使用 torch.backends.cudnn.version() 来获取 cuDNN 的版本信息。

import torch

# 获取 cuDNN 版本
cudnn_version = torch.backends.cudnn.version()
print(f"cuDNN Version: {cudnn_version}")

完整示例代码

将上述所有部分组合在一起，完整的示例代码如下：

import torch

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

# 如果 CUDA 可用，打印当前设备名称
if torch.cuda.is_available():
    print(f"Current device: {torch.cuda.get_device_name(0)}")

# 获取 CUDA 版本
cuda_version = torch.version.cuda
print(f"CUDA Version: {cuda_version}")

# 获取 cuDNN 版本
cudnn_version = torch.backends.cudnn.version()
print(f"cuDNN Version: {cudnn_version}")

运行结果示例

假设你运行了上述代码，并且 CUDA 和 cuDNN 都已正确安装和配置，你可能会看到类似以下的输出：

CUDA available: True
Current device: NVIDIA GeForce RTX 3090
CUDA Version: 11.1
cuDNN Version: 8200

注意事项

1. 环境配置 ：确保你的环境中已经安装了 PyTorch 并且支持 CUDA。如果你使用的是 CPU 版本的 PyTorch，torch.cuda.is_available() 将返回 False。
2. 依赖库：确保你已经安装了正确的 CUDA 和 cuDNN 库，并且它们与你的 PyTorch 版本兼容。
3. 多 GPU 环境 ：如果你有多个 GPU，可以使用 torch.cuda.device_count() 来获取 GPU 数量，并通过 torch.cuda.get_device_name(i) 获取每个 GPU 的名称。

希望这些信息能帮助你检查 CUDA 和 cuDNN 的版本信息！如果你有更多问题或需要进一步的帮助，请告诉我。