如何验证pytorch cpu成功

在PyTorch中验证CPU是否成功用于计算，通常是在设置好模型之后，通过查看运行环境或内存分配来间接确认。这里是一个简单的步骤：

1. 首先，确保你已经安装了PyTorch并指定了CUDA版本为None，这会默认使用CPU：

   import torch
   device = torch.device("cpu")

2. 创建一个张量并将其放置在指定设备上：

   tensor = torch.rand(5, 5)
   print(f"Tensor is on {tensor.device}")

如果`tensor.device`输出的是`cpu:0`或其他表示CPU的信息，那就说明当前操作在CPU上运行。

3. 使用特定于CPU的操作，如矩阵运算，看看它们是否在CPU上执行：

   result = torch.matmul(tensor, tensor)  # 矩阵乘法

4. 检查内存使用情况：

   import psutil
   mem_usage_before = psutil.Process().memory_info().rss / (1024 ** 2)  # MB
   # ... 进行一些计算...
   mem_usage_after = psutil.Process().memory_info().rss / (1024 ** 2)
   if mem_usage_after == mem_usage_before:
       print("Memory usage didn't change much, indicating CPU operations.")

通过上述步骤，你可以判断你的PyTorch代码是否在CPU上正常运行。如果你看到内存使用保持稳定，或者CPU相关的硬件资源被占用，那么就表明验证成功。