一、验证pytorch GPU版本

方法1：

#判断是否安装了cuda
import torch
print(torch.cuda.is_available())  #返回True则说明已经安装了cuda
#判断是否安装了cuDNN
from torch.backends import  cudnn
print(cudnn.is_available())  #返回True则说明已经安装了cuDNN

运行结果：

方法2：

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

ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

运行结果：

二、验证tensorflow GPU版本

方法1：

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

 运行结果：

方法2：

import tensorflow as tf
a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用
b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)                                  # 判断GPU是否可以用
print(a)
print(b)

 运行结果：

 验证失败原因解析：

1. pytorch或者tensorflow版本与cuda版本不一致

解决方案：查看自己的cuda版本，搜索一下适配的版本进行安装

2. tensorflow验证失败可能会提示缺少一些dll文件，根据提示下载缺少的文件到指定位置即可

解决方案：使用TensorFlow-GPU报错缺少一些dll文件_本尊是喵的博客-CSDN博客