记录 Windows11安装支持CUDA12.3的Pytorch版本，验证PyTorch是否安装成功

#工作记录#

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

在终端或环境终端中输入如下命令：

# CUDA 12.1
conda 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：

# python
import torch
print(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：

#python
import torch
x = torch.rand(5, 3)
y = torch.rand(5, 3)
z = x + y
print(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：

#python
import torch
device = 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：

#python
import torch
print("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。