查看当前电脑的gpu以及是否被使用

可以使用 PyTorch 中的 `torch.cuda` 模块来查看当前电脑的 GPU 信息，并查看 GPU 是否被使用。

以下是几个常用的函数：

1. `torch.cuda.is_available()`：返回一个布尔值，表示当前电脑是否有可用的 GPU 设备。

2. `torch.cuda.device_count()`：返回当前电脑上的 GPU 设备数量。

3. `torch.cuda.get_device_name(device)`：返回指定设备索引 `device` 的名称。

4. `torch.cuda.current_device()`：返回当前正在使用的 GPU 设备索引。

5. `torch.cuda.memory_allocated(device=None)`：返回当前 GPU 上已经分配的内存大小，单位为字节。

6. `torch.cuda.memory_cached(device=None)`：返回当前 GPU 上缓存的内存大小，单位为字节。

以下是一个简单的示例代码，可以查看当前电脑的 GPU 信息和是否被使用：

import torch

if torch.cuda.is_available():
    print("GPU is available.")
    print(f"Number of GPUs: {torch.cuda.device_count()}")
    for i in range(torch.cuda.device_count()):
        print(f"GPU {i}: {torch.cuda.get_device_name(i)}")
    print(f"Current GPU: {torch.cuda.current_device()}")
    print(f"Memory allocated: {torch.cuda.memory_allocated() / 1024**2:.2f} MB")
    print(f"Memory cached: {torch.cuda.memory_cached() / 1024**2:.2f} MB")
else:
    print("GPU is not available.")

如果输出结果中的 `Memory allocated` 和 `Memory cached` 不为 0，则表示 GPU 正在被使用。