新建文件test.py复制如下内容运行即可。注意环境要选择正确

import torch

# 检查 GPU 是否可用
is_cuda_available = torch.cuda.is_available()
print(f"CUDA 可用: {is_cuda_available}")

if is_cuda_available:
    # 获取 GPU 数量
    gpu_count = torch.cuda.device_count()
    print(f"GPU 数量: {gpu_count}")

    # 获取每个 GPU 的名称
    for i in range(gpu_count):
        gpu_name = torch.cuda.get_device_name(i)
        print(f"GPU {i} 名称: {gpu_name}")

    # 获取当前 GPU 的索引
    current_device = torch.cuda.current_device()
    print(f"当前使用的 GPU 索引: {current_device}")
    
    # 获取当前 GPU 的名称
    current_gpu_name = torch.cuda.get_device_name(current_device)
    print(f"当前 GPU 名称: {current_gpu_name}")
else:
    print("没有可用的 GPU。")

运行结果示例和截图

如果你的系统上有可用的 GPU，运行上述代码后，你将看到类似以下的输出：

CUDA 可用: True
GPU 数量: 2
GPU 0 名称: NVIDIA GeForce GTX 1080 Ti
GPU 1 名称: NVIDIA GeForce GTX 1070
当前使用的 GPU 索引: 0
当前 GPU 名称: NVIDIA GeForce GTX 1080 Ti
如果没有可用的 GPU，输出将显示：

CUDA 可用: False
没有可用的 GPU。
这样，你就可以轻松获取到 GPU 的信息了！