一、确认PyTorch版本

安装PyTorch之后，可以运行以下代码来确认PyTorch的版本：

import torchprint(torch.__version__)

如果没有报错，同时输出了正确版本号，就说明PyTorch已经成功安装了。

二、测试PyTorch基础功能

为了确保PyTorch基础功能正常工作，可以进行以下测试：

1.测试是否可以创建张量：

import torchx = torch.Tensor(5, 3)
print(x)

如果没有报错，同时输出了5行3列的张量，就说明可以创建张量。

2.测试是否可以进行张量计算：

import torchx = torch.Tensor(5, 3)
y = torch.Tensor(3, 4)
z = torch.mm(x, y)
print(z)

如果没有报错，同时输出了5行4列的张量，就说明可以进行张量计算。

三、在GPU上测试PyTorch

如果你的电脑有GPU支持，建议在GPU上测试PyTorch是否正常工作。测试代码如下：

import torchif torch.cuda.is_available():x = torch.Tensor(5, 3).cuda()y = torch.Tensor(3, 4).cuda()z = torch.mm(x, y)print(z)

如果没有报错，同时输出了5行4列的张量，就说明PyTorch GPU版本也正常工作。

四、使用示例代码测试

为了更加确认PyTorch是否正常工作，可以使用PyTorch官方提供的示例代码进行测试，例如以下代码：

import torch
import torchvisionmodel = torchvision.models.resnet18(pretrained=True)
model.eval()x = torch.rand(1, 3, 224, 224)
y = model(x)print(y)

如果没有报错，同时输出了正确的结果，就说明PyTorch正常工作。

五、总结

以上就是几种验证PyTorch是否安装成功的方法，确认PyTorch是否工作正常非常重要，可以避免后续的问题。如果以上测试都失败了，请仔细阅读PyTorch安装文档，排除失败的原因，确保正确安装PyTorch。