Deep learning 用于测试Pytorch安装的任何脚本_Deep Learning_Pytorch

Deep learning 用于测试Pytorch安装的任何脚本

deep-learning pytorch

Deep learning 用于测试Pytorch安装的任何脚本,deep-learning,pytorch,Deep Learning,Pytorch,我已经安装了pytorch，希望检查是否有脚本来测试安装是否正确，例如，它是否可以启用CUDA，等等？如果您是从中安装的，您做得很好检查：如果你的GPU安装正确，你应该有nvidia smi。在Windows上，它应该位于C:\Program Files\NVIDIA Corporation\NVSMI中，如果您是从Windows安装的，那么它运行良好检查：如果你的GPU安装正确，你应该有nvidia smi。在Windows上，它应该位于C:\Program Files\NVIDI

我已经安装了pytorch，希望检查是否有脚本来测试安装是否正确，例如，它是否可以启用CUDA，等等？

如果您是从中安装的，您做得很好

检查：

如果你的GPU安装正确，你应该有nvidia smi。在Windows上，它应该位于C:\Program Files\NVIDIA Corporation\NVSMI中，如果您是从Windows安装的，那么它运行良好

检查：

如果你的GPU安装正确，你应该有nvidia smi。在Windows上，它应该位于C:\Program Files\NVIDIA Corporation\NVSMI中。您可以使用PyTorch文件夹中提供的脚本

其产出如下：

Collecting environment information...
PyTorch version: 1.2.0
Is debug build: No
CUDA used to build PyTorch: 10.0.130

OS: Ubuntu 16.04.6 LTS
GCC version: (Ubuntu 5.4.0-6ubuntu1~16.04.11) 5.4.0 20160609
CMake version: version 3.14.6

Python version: 3.7
Is CUDA available: Yes
CUDA runtime version: Could not collect
GPU models and configuration: GPU 0: GeForce RTX 2080
Nvidia driver version: 410.48
cuDNN version: /usr/lib/x86_64-linux-gnu/libcudnn.so.7.4.1

Versions of relevant libraries:
[pip] numpy==1.16.4
[pip] torch==1.2.0
[pip] torchsample==0.1.3
[pip] torchsummary==1.5.1
[pip] torchvision==0.4.0a0+6b959ee
[conda] blas                      1.0                         mkl  
[conda] mkl                       2019.4                      243  
[conda] mkl-service               2.0.2            py37h7b6447c_0  
[conda] mkl_fft                   1.0.14           py37ha843d7b_0  
[conda] mkl_random                1.0.2            py37hd81dba3_0  
[conda] pytorch                   1.2.0           py3.7_cuda10.0.130_cudnn7.6.2_0    pytorch
[conda] torchsample               0.1.3                    pypi_0    pypi
[conda] torchsummary              1.5.1                    pypi_0    pypi
[conda] torchvision               0.4.0                py37_cu100    pytorch

您可以使用PyTorch文件夹中提供的脚本

其产出如下：

Collecting environment information...
PyTorch version: 1.2.0
Is debug build: No
CUDA used to build PyTorch: 10.0.130

OS: Ubuntu 16.04.6 LTS
GCC version: (Ubuntu 5.4.0-6ubuntu1~16.04.11) 5.4.0 20160609
CMake version: version 3.14.6

Python version: 3.7
Is CUDA available: Yes
CUDA runtime version: Could not collect
GPU models and configuration: GPU 0: GeForce RTX 2080
Nvidia driver version: 410.48
cuDNN version: /usr/lib/x86_64-linux-gnu/libcudnn.so.7.4.1

Versions of relevant libraries:
[pip] numpy==1.16.4
[pip] torch==1.2.0
[pip] torchsample==0.1.3
[pip] torchsummary==1.5.1
[pip] torchvision==0.4.0a0+6b959ee
[conda] blas                      1.0                         mkl  
[conda] mkl                       2019.4                      243  
[conda] mkl-service               2.0.2            py37h7b6447c_0  
[conda] mkl_fft                   1.0.14           py37ha843d7b_0  
[conda] mkl_random                1.0.2            py37hd81dba3_0  
[conda] pytorch                   1.2.0           py3.7_cuda10.0.130_cudnn7.6.2_0    pytorch
[conda] torchsample               0.1.3                    pypi_0    pypi
[conda] torchsummary              1.5.1                    pypi_0    pypi
[conda] torchvision               0.4.0                py37_cu100    pytorch

关于你的第一个问题，在python脚本中。。。。加上

如果这导致ModuleNotFoundError:没有名为“torch”的模块，那么您的pytorch安装尚未完成

你的第二个问题是检查你的pytorch是否在使用cuda，使用这个

torch.cuda.is_available()

如果您的pytorch正在使用cuda，则返回True。请回答您的第一个问题，在python脚本中。。。。加上

如果这导致ModuleNotFoundError:没有名为“torch”的模块，那么您的pytorch安装尚未完成

你的第二个问题是检查你的pytorch是否在使用cuda，使用这个

torch.cuda.is_available()

如果您的pytorch正在使用cuda，则返回True