pytroch安装

显卡驱动命令

nvidia-smi

nvcc -V

安装

#CUDA 11.8
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

#CUDA 12.6
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

#CUDA 12.8
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128

检测

1、脚本：检查 cuDNN 是否可用及其版本

import torch

def check_cudnn_support():
    # 检查 CUDA 是否可用（cuDNN 依赖 CUDA）
    cuda_available = torch.cuda.is_available()
    print(f"CUDA 是否可用: {cuda_available}")

    if not cuda_available:
        print("CUDA 不可用，cuDNN 也无法使用！")
        return

    # 检查 cuDNN 是否启用
    cudnn_enabled = torch.backends.cudnn.enabled
    print(f"cuDNN 是否启用: {cudnn_enabled}")

    if cudnn_enabled:
        # 获取 cuDNN 版本
        cudnn_version = torch.backends.cudnn.version()
        print(f"cuDNN 版本: {cudnn_version}")
    else:
        print("cuDNN 未启用，PyTorch 未使用 cuDNN 加速！")

if __name__ == "__main__":
    check_cudnn_support()

2、额外检查：直接测试 cuDNN 加速

import torch

# 创建一个张量并移至 GPU
x = torch.randn(1000, 1000).cuda()

# 使用 cuDNN 加速的卷积操作
conv = torch.nn.Conv2d(3, 64, kernel_size=3).cuda()
y = conv(torch.randn(1, 3, 224, 224).cuda())

print("cuDNN 加速的卷积计算成功！")

3、验证安装

import torch

# 检查 PyTorch 是否支持 CUDA
print("CUDA 是否可用:", torch.cuda.is_available())

# 查看 PyTorch 的 CUDA 版本
print("PyTorch CUDA 版本:", torch.version.cuda)

# 查看 PyTorch 的 cuDNN 版本
print("PyTorch cuDNN 版本:", torch.backends.cudnn.version())

# 查看 PyTorch 版本
print("PyTorch 版本:", torch.__version__)

# 查看当前使用的 GPU 设备信息
if torch.cuda.is_available():
    print("当前 GPU 设备:", torch.cuda.get_device_name(0))
else:
    print("没有可用的 GPU 设备")