pytorch测试代码

您可以使用以下代码来测试PyTorch的环境和GPU相关信息：

import torch

print('CUDA版本:', torch.version.cuda)
print('PyTorch版本:', torch.__version__)
print('显卡是否可用:', '可用' if torch.cuda.is_available() else '不可用')
print('显卡数量:', torch.cuda.device_count())
print('是否支持BF16数字格式:', '支持' if torch.cuda.is_bf16_supported() else '不支持')
print('当前显卡型号:', torch.cuda.get_device_name())
print('当前显卡的CUDA算力:', torch.cuda.get_device_capability())
print('当前显卡的总显存:', torch.cuda.get_device_properties(0).total_memory/1024/1024/1024, 'GB')
print('是否支持TensorCore:', '支持' if torch.cuda.get_device_properties(0).major >= 7 else '不支持')
print('当前显卡的显存使用率:', torch.cuda.memory_allocated(0)/torch.cuda.get_device_properties(0).total_memory*100, '%')

这段代码会输出关于PyTorch和GPU的一些信息，例如CUDA版本、PyTorch版本、显卡是否可用、显卡数量、当前显卡型号、当前显卡的总显存大小、是否支持TensorCore等。您可以将这段代码复制到IDE中运行来测试PyTorch的环境和GPU相关信息。请注意，这段代码假设您已经安装了正确的PyTorch版本并且正确配置了CUDA驱动和显卡。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [【深度学习】001 检测CUDA、cuDNN、Pytorch是否可用](https://blog.csdn.net/qq_35657309/article/details/125065627)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]