pytorch下载检验

### 验证 PyTorch 安装

为了确认 PyTorch 是否已正确安装并能够正常工作，可以通过运行一段简单的 Python 脚本来测试。该脚本不仅会显示当前使用的 PyTorch 版本号，还会检测 CUDA 的可用性和版本信息。

import torch

print("PyTorch version:", torch.__version__)  # 输出 PyTorch 版本
print("CUDA available:", torch.cuda.is_available())  # 检查是否有可用的 GPU
if torch.cuda.is_available():
    print("CUDA version:", torch.version.cuda)  # 显示 CUDA 版本
else:
    print("No CUDA support detected.")

如果上述代码执行无误，并且成功输出了 PyTorch 和 CUDA 的版本信息，则表明 PyTorch 已经被正确安装[^1]。

对于那些希望进一步验证 GPU 支持情况的人士来说，还可以通过下面这些命令来获取更多关于设备的信息：

print("Current device index:", torch.cuda.current_device())  # 获取当前默认GPU索引
print("Device name:", torch.cuda.get_device_name(0))         # 查询指定编号GPU的名字
print("Total number of devices:", torch.cuda.device_count()) # 统计系统中存在的GPU数量

当以上所有指令均能顺利返回预期的结果时，即证明 PyTorch 不仅安装成功而且具备完整的功能支持[^4]。

需要注意的是，在进行任何操作之前，请务必确保选择了适合自己系统的 CUDA 及 cuDNN 版本，并且是在合适的虚拟环境中完成安装过程[^2]。