Si te encuentras con algo que te causa duda puedes dejarnos un comentario y te responderemos lo mas rápido que podamos.
Ejemplo 1: verificación de la versión de cuda
nvcc --version
Ejemplo 2: pytorch comprobar gpu
In [1]: import torch
In [2]: torch.cuda.current_device()
Out[2]: 0
In [3]: torch.cuda.device(0)
Out[3]: <torch.cuda.device at 0x7efce0b03be0>
In [4]: torch.cuda.device_count()
Out[4]: 1
In [5]: torch.cuda.get_device_name(0)
Out[5]: 'GeForce GTX 950M'
In [6]: torch.cuda.is_available()
Out[6]: True
Ejemplo 3: compruebe si pytorch está usando un ejemplo mínimo de gpu
import torch
import torch.nn as nn
dev = torch.device("cuda")if torch.cuda.is_available()else torch.device("cpu")
t1 = torch.randn(1,2)
t2 = torch.randn(1,2).to(dev)
print(t1)# tensor([[-0.2678, 1.9252]])
print(t2)# tensor([[ 0.5117, -3.6247]], device='cuda:0')
t1.to(dev)
print(t1)# tensor([[-0.2678, 1.9252]])
print(t1.is_cuda)# False
t1 = t1.to(dev)
print(t1)# tensor([[-0.2678, 1.9252]], device='cuda:0')
print(t1.is_cuda)# True
class M(nn.Module):
def __init__(self):
super().__init__()
self.l1 = nn.Linear(1,2)
def forward(self, x):
x = self.l1(x)return x
model = M()# not on cuda
model.to(dev)# is on cuda (all parameters)
print(next(model.parameters()).is_cuda)# True
Ejemplo 4: verifique la versión de cuda pytorch
torch.version.cuda
Ejemplo 5: como saber si tengo cuda instalado
C:ProgramDataNVIDIA CorporationCUDA Samplesv11.1
Ejemplo 6: como saber si tengo cuda instalado
C:ProgramDataNVIDIA CorporationCUDA Samplesv11.1binwin64Release
Aquí puedes ver las reseñas y valoraciones de los lectores
Te invitamos a añadir valor a nuestra información tributando tu experiencia en las críticas.
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)