在 Windows 11 與 Ubuntu Linux 24.04 的命令列檢查 PyTorch 是否看得到 CUDA GPU。程式會印出 torch 版本、CUDA 是否可用、裝置數量、目前使用的裝置編號，以及每一張裝置的名稱——在開始真正的專案之前，這是確認機器是否已具備 GPU 訓練能力最快的方法。
[資料夾結構]
- CLAUDE.md / AGENT.md：程式規格書（內容相同）。
- CHANGELOG.md：變更紀錄。
- copyright.txt：版權聲明。
- src/：測試程式、啟動腳本與本說明文件。
- venv/：Python 虛擬環境，由步驟 1 建立。
[執行環境需求]
- 作業系統：Windows 11 或 Ubuntu Linux 24.04。
- Python 3 與 pip。
- Python 套件：torch，由步驟 1 自動安裝。
- 若要測到 GPU：需要 NVIDIA 顯示卡與最新的驅動程式。沒有 GPU 的電腦一樣可以執行，只會回報找不到裝置。
- 第一次下載 torch 時需要網路。
[操作步驟及說明]
步驟 1：建立虛擬環境
建立虛擬環境並安裝 torch。這是 torch 專案，在有 GPU 的電腦上請使用 01_venv_create_gpu 腳本，它會安裝 CUDA 12.8 版本的 torch——一般的 01_venv_create 安裝的是 CPU 版，執行結果一定會顯示 CUDA 不可用。
Windows 11，GPU：
src\01_venv_create_gpu.bat
Windows 11，CPU：
src\01_venv_create.bat
Ubuntu Linux 24.04，GPU：
bash src/01_venv_create_gpu.sh
Ubuntu Linux 24.04，CPU：
bash src/01_venv_create.sh
步驟 2：啟動虛擬環境
在目前的命令列視窗啟動虛擬環境。Linux 必須用 source 執行，啟動狀態才會在腳本結束後繼續保留。
Windows 11：
src\02_venv_activate.bat
Ubuntu Linux 24.04：
source src/02_venv_activate.sh
步驟 3：執行 CUDA 檢查
執行檢查程式。報告會列出 torch 版本、CUDA 是否可用、裝置數量、目前裝置的編號，以及每一張裝置的名稱。
Windows 11：
src\03_cuda_test.bat
Ubuntu Linux 24.04：
bash src/03_cuda_test.sh
步驟 4：移除虛擬環境
使用完畢後，刪除 venv/ 資料夾以釋放磁碟空間。需要時再重新執行步驟 1 即可。
Windows 11：
src\99_venv_clear.bat
Ubuntu Linux 24.04：
bash src/99_venv_clear.sh
[結果判讀]
- 在沒有 GPU 的電腦上，或安裝的是 CPU 版 torch，程式會回報 0 個裝置並正常結束——查詢裝置的部分有加上防護，不會當掉。
- 明明裝了 NVIDIA 顯示卡卻顯示 CUDA 不可用，幾乎都是因為安裝到 CPU 版的 torch，請改用 01_venv_create_gpu 重建虛擬環境。
- 裝置數量是 torch 可以使用的 GPU 數量；目前裝置是程式預設會選用的編號，除非程式另外指定，否則就是 0。
- torch 回報的 CUDA 版本是編譯時所使用的版本，不必和 nvidia-smi 顯示的版本一致——只要驅動程式夠新即可。
這個 SDK 內建於 MYAI Studio 人工智慧開發工具。
單獨購買價格：5,000元，永久授權，單一 SDK 授權，單機授權，一次下載，無更新服務，一年電子郵件範例諮詢服務。如果是軟體客製化問題，請購買我們的客製化顧問服務點數。