【工程篇】01:GPU可用测试代码

pytorch

python 复制代码
>>> import torch
>>> print(torch.__version__)
>>> print(torch.cuda.is_available())

tensorflow

python 复制代码
>>> import tensorflow as tf
>>> print(tf.test.is_gpu_available())
相关推荐
北辰alk4 小时前
RAG索引流程详解:如何高效解析文档构建知识库
人工智能
九河云4 小时前
海上风电“AI偏航对风”:把发电量提升2.1%,单台年增30万度
大数据·人工智能·数字化转型
wm10434 小时前
机器学习第二讲 KNN算法
人工智能·算法·机器学习
沈询-阿里5 小时前
Skills vs MCP:竞合关系还是互补?深入解析Function Calling、MCP和Skills的本质差异
人工智能·ai·agent·ai编程
xiaobai1785 小时前
测试工程师入门AI技术 - 前序:跨越焦虑,从优势出发开启学习之旅
人工智能·学习
盛世宏博北京5 小时前
云边协同・跨系统联动:智慧档案馆建设与功能落地
大数据·人工智能
TGITCIC6 小时前
讲透知识图谱Neo4j在构建Agent时到底怎么用(二)
人工智能·知识图谱·neo4j·ai agent·ai智能体·大模型落地·graphrag
逆羽飘扬6 小时前
DeepSeek-mHC深度拆解:流形约束如何驯服狂暴的超连接?
人工智能
bing.shao6 小时前
AI工作流如何开始
人工智能
小途软件6 小时前
用于机器人电池电量预测的Sarsa强化学习混合集成方法
java·人工智能·pytorch·python·深度学习·语言模型