导读 在深度学习开发中，确保环境配置正确非常重要，尤其是确认你的CUDA版本是否匹配。以下将教你如何用Python和PyTorch快速检查CUDA版本！首先
在深度学习开发中，确保环境配置正确非常重要，尤其是确认你的CUDA版本是否匹配。以下将教你如何用Python和PyTorch快速检查CUDA版本！
首先，打开你的终端或Jupyter Notebook，输入以下代码：
```python
import torch
print("CUDA Available:", torch.cuda.is_available())
print("CUDA Version:", torch.version.cuda)
```
✅ 如果返回True和具体的CUDA版本号（如"11.7"），说明你的PyTorch已成功连接到CUDA环境！💡
如果你更喜欢纯Python的方式，可以运行：
```python
import torch.utils.cpp_extension as cpp
print(cpp.CUDA_HOME)
```
这会显示CUDA的安装路径，间接确认其存在。📍
记得定期检查这些信息，避免因版本不兼容导致运行错误哦！💪🚀