0x00 問(wèn)題描述

安裝完成PyTorch、CUDA后，驗(yàn)證PyTorch是否能夠通過(guò)CUDA高占用GPU（占用>95%），特地使用以下代碼測(cè)試。

0x01 代碼設(shè)計(jì)

這個(gè)代碼會(huì)持續(xù)執(zhí)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練任務(wù)，每次循環(huán)都進(jìn)行前向傳播、反向傳播和參數(shù)更新，以保持高強(qiáng)度的GPU占用。

## CUDA - GPU 占用測(cè)試
## 正確運(yùn)行結(jié)果為：GPU占用顯著提高（>95,NVIDIA 3060 LAPTOP）import torch
import torch.nn as nn
import torch.optim as optim# 檢查CUDA是否可用
if torch.cuda.is_available():device = torch.device("cuda")print("CUDA is available. Using GPU.")
else:raise Exception("CUDA is not available. Please ensure you have a GPU.")# 創(chuàng)建一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)
class SimpleNet(nn.Module):def __init__(self):super(SimpleNet, self).__init__()self.fc1 = nn.Linear(10000, 10000)  # 大規(guī)模線性層，可以根據(jù)需要調(diào)整大小def forward(self, x):x = self.fc1(x)return xnet = SimpleNet().to(device)# 定義損失函數(shù)和優(yōu)化器
criterion = nn.MSELoss()
optimizer = optim.SGD(net.parameters(), lr=0.01)# 創(chuàng)建一個(gè)大型隨機(jī)輸入張量
batch_size = 32
input_data = torch.randn(batch_size, 10000, device=device)# 持續(xù)執(zhí)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練任務(wù)以保持高占用率
try:while True:# 正向傳播output = net(input_data)loss = criterion(output, input_data)# 反向傳播和優(yōu)化optimizer.zero_grad()loss.backward()optimizer.step()
except KeyboardInterrupt:print("Stopped by user.")# 釋放GPU資源
net = None
torch.cuda.empty_cache()

0x02 實(shí)驗(yàn)結(jié)果

筆者使用的3060 Laptop GPU 占用在95%以上，代碼效果顯著，說(shuō)明PyTorch、CUDA環(huán)境安裝成功。

0x03 后記

• No Pains, No Gains.