费劲千辛万苦安装好CUDA、cuDNN、Pytorch后
怎么检测自己的Pytorch深度学习环境是否可用呢？
这就来跟着默子一起看一看吧！
复制下列代码到IDE中运行
import torch
print('CUDA版本:',torch.version.cuda)
print('Pytorch版本:',torch.__version__)
print('显卡是否可用:','可用' if(torch.cuda.is_available()) else '不可用')
print('显卡数量:',torch.cuda.device_count())
print('是否支持BF16数字格式:','支持' if (torch.cuda.is_bf16_supported()) else '不支持')
print('当前显卡型号:',torch.cuda.get_device_name())
print('当前显卡的CUDA算力:',torch.cuda.get_device_capability())
如果可以正常使用，大概率是这样的
CUDA版本: 11.3
Pytorch版本: 1.13.0.dev20220529+cu113
显卡是否可用: 可用
显卡数量: 1
是否支持BF16数字格式: 不支持
当前显卡型号: NVIDIA GeForce GTX 960M
当前显卡的CUDA算力: (5, 0)
代码逐行剖析：
-
torch.version.cuda会输出当前CUDA的版本，一般来说，会有 11.3 和 10.2 （更老的版本可能不太好用，建议更新） -
torch.__version__. 会输出当前 Pytorch 的版本，
对于1.13.0.dev20220529+cu1131.13.0表示当前Pytorch的大版本
dev20220529表示是开发构建版（Pytorch.Nightly），具体构建日期为2022.5.29日，没有的话则是稳定版（Pytorch.Stable）。
cu113表示当前 Pytorch 是GPU的，CUDA版本是11.3，如果是cp39表示当前 Pytorch 是CPU版本，Python版本是3.9.X -
torch.cuda.is_available()返回GPU是否可用，可用为True，不可用为False -
torch.cuda.device_count()返回显卡数量，大家的电脑一般都是1啦，哈哈哈哈 -
torch.cuda.is_bf16_supported()显卡是否支持BF16计算，支持为True，不支持为FalseBF16，有时也被称为BFloat16或Brain Float16，是一种针对人工智能与深度学习应用程序进行优化的新数字格式。 它在谷歌、 英特尔 、 Arm 和许多其他公司的人工智能加速器得到了广泛的应用。使用BF16主要是因为，神经网络对指数的大小比尾数敏感得多，所以不必使用传统尾数精度更高的FP64或者是FP32。 默子的960M是肯定不支持BF16的，目前支持BF16的显卡有很多，比较大众化的应该就是NVIDIA 老黄家NVIDIA创始人兼首席执行官的 RTX3060 和 RTX3070 了。至于专业的深度学习卡，绝大部分都是支持的。
-
torch.cuda.get_device_capability()获取GPU的算力 （CUDA Capability Major/Minor version number） ，对于N卡来说，查看全部型号显卡的算力请访问 https://developer.nvidia.com/cuda-gpus#compute （其余显卡请读者自行搜索吧）在官方给出的文档中，如果进行神经网络的训练，建议GPU此数值在 5.0 以上（默子的卡刚刚及格，呜呜呜）
个人站点 【深度学习】001 检测CUDA、cuDNN、Pytorch是否可用
Original: https://blog.csdn.net/qq_35657309/article/details/125065627
Author: 默子要早睡.Histone
Title: 【深度学习】001 检测CUDA、cuDNN、Pytorch是否可用
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/177185/
转载文章受原作者版权保护。转载请注明原作者出处！
