英译法案例 - 如何配置 CUDA 环境及测试（上）

1 课程概览

本课讲解如何配置 PyTorch 的 GPU（CUDA）环境。介绍 Windows、Linux、Mac（M 芯片）均可配置，但 Windows 无独显和 Mac 英特尔芯片不行。讲解如何查看 GPU、如何查看 CUDA 版本、以及如何选择合适的 PyTorch 版本。

2 核心概念与定义

CUDA：NVIDIA 的并行计算平台，用于 GPU 加速。
GPU 环境配置：让 PyTorch 在 GPU 上运行。
nvidia-smi：查看 NVIDIA GPU 驱动和 CUDA 版本的命令。
独显（独立显卡）：NVIDIA 的独立显卡。
集成显卡：CPU 集成的显卡（不可用于 CUDA）。

3 模型与算法详解

硬件要求

系统	要求
Windows	需要独立显卡（NVIDIA）
Linux	需要独立显卡（NVIDIA）
Mac	需要 M 芯片（M1/M2 等）

不支持的情况

情况	原因
Windows 无独显	硬件问题，无法解决
Mac 英特尔芯片	硬件问题，无法解决

如何查看 GPU

Windows：

任务栏右键 → 任务管理器
性能 → 拉到最后看 GPU
集成显卡 + 独立显卡（NVIDIA）

如何查看 CUDA 版本

命令（Windows: Win+R → CMD；Mac: 终端）：

nvidia-smi

输出右上角显示 CUDA 版本（如 12.x、13.1）。

PyTorch 版本选择原则

装的 CUDA 版本不能比驱动版本低。

驱动版本	可装的 CUDA 版本
13.0 或以上	装 13.0
12.8	装 12.8
12.6	装 12.6
11.x	更新驱动到最新

配置步骤

查看 GPU：任务管理器 → 性能 → GPU
查看 CUDA 版本：nvidia-smi
访问 PyTorch 官网：pytorch.org
选择版本：根据 CUDA 版本选择
复制安装命令：pip install ...
执行安装：在 Anaconda Prompt 中运行

4 代码示例

# 查看 PyTorch 是否支持 CUDA
import torch

# 检查 CUDA 是否可用
print("CUDA 是否可用:", torch.cuda.is_available())

# 查看 CUDA 版本
print("CUDA 版本:", torch.version.cuda)

# 查看 GPU 数量
print("GPU 数量:", torch.cuda.device_count())

# 查看 GPU 名称
if torch.cuda.is_available():
    print("GPU 名称:", torch.cuda.get_device_name(0))

# 将张量移动到 GPU
if torch.cuda.is_available():
    device = torch.device("cuda")
    x = torch.tensor([1.0, 2.0, 3.0]).to(device)
    print("张量所在设备:", x.device)