詳細驗證CUDA是否安裝成功的方法

一、驗證CUDA是否安裝成功

為驗證CUDA是否安裝成功，可以執行以下步驟：

1、打開終端窗口，輸入以下命令：

$ nvcc -V

如果CUDA已成功安裝，則將顯示CUDA版本信息，如：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Thu_Jul_29_15:12:49_PDT_2021
Cuda compilation tools, release 11.4, V11.4.120
Build cuda_11.4.r11.4/compiler.30188945_0

2、輸入以下命令：

$ nvidia-smi

如果CUDA已成功安裝，則將顯示GPU卡的信息，如：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.57.02    Driver Version: 470.57.02    CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 108...  Off  | 00000000:01:00.0  On |                  N/A |
| 51%   60C    P2    84W / 250W |   9436MiB / 11178MiB |     17%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

二、驗證CUDA是否能夠被Python識別

為驗證CUDA是否能夠被Python識別，可以執行以下步驟：

1、打開Python交互式環境，輸入以下Python代碼：

import torch
print(torch.cuda.is_available())

如果CUDA已經被Python識別，則將顯示True，如：

True

三、驗證CUDA是否能夠被PyTorch識別

為驗證CUDA是否能夠被PyTorch識別，可以執行以下步驟：

1、打開Python交互式環境，輸入以下Python代碼：

import torch
print(torch.cuda.is_available())
x = torch.cuda.FloatTensor(1)
print(x.get_device())

如果CUDA已經被PyTorch識別，則將顯示True和GPU卡的編號，如：

True
0

四、驗證CUDA是否能夠被TensorFlow識別

為驗證CUDA是否能夠被TensorFlow識別，可以執行以下步驟：

1、打開Python交互式環境，輸入以下Python代碼：

import tensorflow as tf
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))

如果CUDA已經被TensorFlow識別，則將顯示True和GPU的詳細信息，如：

True
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

五、小結

通過以上幾個方面的驗證，可以充分確認CUDA是否已經安裝成功，並且能夠被各個深度學習框架識別和使用。