网页链接在终端或环境终端中输入如下命令：就是在conda命令行窗口中：# CUDA 12.1conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia由于强迫症追新安装了CUDA12.3和对应的cuDNN后，发现Pytorch不能使用GPU了。折腾了几天，自己编译反复失败后，从官网链接找到一条命令，抱着死马当成活马医的想法试了试：直达链接：PYTORCH以前的 PyTorch 版本 |Py火炬以下是图片： 以前的 PyTorch 版本 |Py火炬# CUDA 12.1conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia在终端或环境终端中输入如下命令：# CUDA 12.1conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia这条命令安装之后，验证安装如下： 验证PyTorch是否安装成功，我们可以通过以下几种方法：### 方法1：检查版本信息在Python环境中运行以下代码来打印出已安装的PyTorch版本：# pythonimport torchprint(torch.__version__)如果正确安装了PyTorch，它将输出一个类似于“2.1.0”这样的版本号。### 方法2：执行简单计算使用PyTorch进行一些基本的操作，如创建张量（tensor）并执行加法操作。这可以确保库的基本功能可用：#pythonimport torchx = torch.rand(5, 3)y = torch.rand(5, 3)z = x + yprint(z)如果没有报错，并且能够正常输出结果，则说明PyTorch已经正确安装并且能够正常使用。### 方法3：测试GPU支持（如果有）如果你的系统配置有NVIDIA GPU并安装了CUDA以利用GPU加速，那么可以测试PyTorch是否能识别到GPU。运行以下代码：#pythonimport torchdevice = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")print(device)如果返回的是类似“cuda:0”的结果，那就意味着PyTorch可以正常访问GPU。### 方法4：查看CUDA和CUDNN信息如果你想进一步确认CUDA和cuDNN的支持情况，你可以在Python shell中输入以下命令：#pythonimport torchprint("CUDA available:", torch.cuda.is_available())print("cuDNN enabled:", torch.backends.cudnn.enabled)这会显示CUDA是否可用以及cuDNN是否启用。以上就是验证PyTorch是否安装成功的常用方法。———————————————— 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 原文链接：网页链接
