网站建设报告总结品牌建设部
一、开发环境
二、环境配置
三、安装成功后进行测试
四、PyTorch安装
四、配置PyCharm
import torchprint(torch.__version__)
print('gpu:', torch.cuda.is_available())是用来检查：
- 当前安装的 PyTorch 版本
- 是否可以使用 GPU（CUDA）
🧾 输出示例（你的环境可能类似）：
2.0.1+cpu
gpu: False
✅ 解释输出：
2.0.1+cpu：表示你安装的是 CPU-only 版本 的 PyTorch，不支持 GPU 加速。torch.cuda.is_available()返回False：说明当前系统中 没有可用的 CUDA 环境，即：- 没有 NVIDIA 显卡；
- 或者没有安装显卡驱动；
- 或者安装的是 CPU 版本的 PyTorch。
✅ 结合第一天的代码，如果没有cuda,就要切换为cpu。
# device = torch.device('cuda')
device = torch.device('cpu') # 不要再使用 'cuda'
📌 总结
你现在处于一个 仅支持 CPU 的 PyTorch 环境，不能使用 .to('cuda') 或 GPU 加速功能。不过不用担心！
✅ 这对学习来说已经足够了：
- 所有张量运算、自动求导、模型训练都可以在 CPU 上正常运行；
- 只是速度会比 GPU 慢一些；
- 对于入门和小规模实验完全没问题。
🔁 如果你想切换到 GPU 环境：
你需要满足以下条件：
| 条件 | 要求 |
|---|---|
| 显卡 | 一块支持 CUDA 的 NVIDIA 显卡（如 GTX 10xx、RTX 20xx/30xx/40xx 等） |
| 驱动 | 安装了最新的 NVIDIA 显卡驱动 |
| PyTorch | 安装了带有 CUDA 支持的版本（如 cu117, cu118） |
然后你可以通过如下命令安装支持 GPU 的 PyTorch（以 CUDA 11.8 为例）：
pip install torch --index-url https://download.pytorch.org/whl/cu118如果你还有其他关于环境配置的问题，比如想跑某个项目但提示找不到 CUDA，也可以继续问我 😊
🧠 小贴士：PyTorch CPU vs GPU 版本区别
| 类型 | 是否支持 GPU | 安装大小 | 安装命令 |
|---|---|---|---|
| CPU 版本 | ❌ | ~200MB | pip install torch |
| GPU 版本 | ✅ | ~2.3GB | pip install torch --index-url https://download.pytorch.org/whl/cu118 |
🛠️ 推荐操作步骤：
-
卸载当前的 PyTorch（GPU 版本）：
pip uninstall torch torchvision torchaudio-
安装 CPU 版本（轻量、适合学习）：
pip install torch-
修改代码中所有
.to('cuda')为.to('cpu')或直接删除这些行 -
继续愉快地学习深度学习基础内容！
📝 补充建议
如果你将来换了有 NVIDIA 显卡的电脑，或者想升级到支持 GPU 的环境，可以再来问我如何配置 PyTorch + CUDA 环境 😊