已经配置好cuda，如何在pycharm python代码中使用gpu

在PyCharm中使用GPU（NVIDIA CUDA）进行并行计算，首先你需要确保你的环境正确设置并且CUDA库和cuDNN都已经安装并配置了。以下是一些基本步骤：

1. **安装CUDA和cuDNN**:
- 访问NVIDIA开发者网站下载CUDA Toolkit（https://developer.nvidia.com/cuda-downloads）。
- 安装时选择包含Python绑定的选项，如`CUDA SDK for Python Development`。

2. **更新PATH变量**:
- 在Windows上，你可能需要将CUDA安装路径添加到系统的环境变量`Path`中。
- 在Linux或MacOS上，可以在`.bashrc`或`.zshrc`等文件中添加相应的路径。

3. **安装cuDNN**:
- 下载cuDNN（https://developer.nvidia.com/cudnn），安装后也需要将其路径添加到环境变量。

4. **验证安装**:
- 运行命令`nvcc --version` 和 `python -c "import torch; print(torch.cuda.is_available())"` 来检查是否安装成功并能识别GPU。

5. **配置PyCharm**:
- 打开PyCharm，在"File" -> "Settings" (Windows/Linux) 或 "Preferences" (macOS) 中选择"Project Structure"。
- 在左侧树结构中找到"Project Interpreter" 并点击"+"号，选择"CUDA"或"CUDA C++"。
- 如果PyCharm找不到CUDA，可能需要安装PyCharm的插件如"PyCharm CUDA"或"PyCUDA"。

6. **导入并使用torch**:
- 使用`import torch`，然后创建`torch.device('cuda')`实例来指定GPU使用，比如 `device = torch.device("cuda:0")`（如果你有多个GPU，可以调整数字表示对应GPU）。
- 将数据转移到GPU：`data = data.to(device)`。
- 对于CPU-GPU之间的运算，可以使用`to()`、`.cuda()`或`.cpu()`方法。

import torch

# 检查当前设备
print(torch.cuda.current_device())

# 设置默认设备为GPU
device = torch.device("cuda")

# 创建张量并放置到GPU
x_gpu = torch.tensor([1., 2., 3.], device=device)

# GPU运算示例
y_gpu = x_gpu * 2