PyTorch是一个流行的深度学习框架，而CUDA是NVIDIA开发的并行计算平台和应用程序接口模型，用于加速深度学习训练和推理。在开始之前，请确保您已经安装了Python和PyTorch。

方法一：通过Python命令行检查PyTorch是否安装成功

打开Python命令行终端，输入以下命令：

如果PyTorch已成功安装，将打印出PyTorch的版本号。如果未安装PyTorch，将出现导入错误。

方法二：通过虚拟环境检查PyTorch和CUDA的版本

如果您使用虚拟环境进行开发，可以进入虚拟环境后检查PyTorch和CUDA的版本。首先，激活虚拟环境（以virtualenv为例），然后输入以下命令：

注意，如果您使用的是CPU环境，将无法获取GPU设备信息。另外，您还可以使用以下命令检查CUDA版本：

这将显示您所安装的PyTorch版本是否支持CUDA。如果支持，还将显示CUDA的版本号。如果您看到类似”cuda: True”的消息，说明您的PyTorch已正确配置并支持CUDA。

方法三：通过编程方式检查PyTorch和CUDA的版本

如果您正在开发使用PyTorch的程序，可以通过编程方式查询PyTorch和CUDA的版本。例如，使用以下Python代码：

此代码将打印出PyTorch的版本号以及GPU设备信息。您还可以使用以下代码查询CUDA驱动程序和运行时库的版本号：

请注意，如果您使用的是CPU环境，将无法获取GPU设备信息。另外，如果您使用的是集成开发环境或容器，CUDA版本可能会与您操作系统中安装的版本不同。如果您的环境中没有可用的CUDA设备或PyTorch未正确配置为使用CUDA，将无法获取正确的GPU设备信息和CUDA版本信息。在这种情况下，您需要检查您的环境配置并确保正确安装了与您的PyTorch版本兼容的CUDA版本。