Wie prüft man, ob PyTorch korrekt funktioniert?

Published on 17. Januar 2026

Wenn du mit PyTorch arbeitest – sei es für maschinelles Lernen, Deep Learning oder andere rechnergestützte Anwendungen – ist es wichtig zu wissen, ob deine Installation korrekt funktioniert. Besonders wenn du GPUs verwendest, ist es entscheidend zu prüfen, ob PyTorch Zugriff auf CUDA hat und alle benötigten Komponenten bereitstehen.

In diesem Blog-Post zeigen wir dir, wie du schnell und einfach prüfen kannst, ob deine PyTorch-Installation korrekt funktioniert – inklusive Unterstützung für GPU-Beschleunigung.

Grundlegende Prüfung mit Python

Du kannst schnell prüfen, ob PyTorch korrekt installiert ist, indem du folgenden Python-Code ausführst:

import torch
print("torch:", torch.__version__)
print("cuda available:", torch.cuda.is_available())
print("torch cuda:", torch.version.cuda)
print("cudnn:", torch.backends.cudnn.version())
print("gpu:", torch.cuda.get_device_name(0))

Wenn du diesen Code in deiner Python-Umgebung ausführst, erhältst du eine Übersicht über folgende Punkte:

  • torch version: Zeigt die installierte Version von PyTorch an.
  • cuda available: Gibt True zurück, wenn CUDA verfügbar ist (also wenn GPU-Beschleunigung funktioniert).
  • torch cuda: Zeigt die installierte CUDA-Version an.
  • cudnn: Gibt die Version der NVIDIA CuDNN-Bibliothek aus.
  • gpu: Zeigt den Namen deiner GPU an (sofern eine vorhanden ist).

Beispiel-Ausgabe

Wenn alles korrekt installiert ist, sieht die Ausgabe etwa so aus:

torch: 2.1.0
cuda available: True
torch cuda: 11.8
cudnn: 8700
gpu: NVIDIA GeForce RTX 3080

Wenn cuda available False ist, bedeutet das, dass PyTorch keine GPU-Unterstützung hat – das kann passieren, wenn du eine CPU-only-Version von PyTorch installiert hast oder CUDA nicht korrekt konfiguriert ist.

Was tun, wenn etwas nicht klappt?

Falls du Probleme mit der GPU-Beschleunigung hast:

  1. Prüfe deine CUDA-Version: Stelle sicher, dass die von PyTorch benötigte CUDA-Version installiert ist.
  2. Installiere die richtige PyTorch-Version:
  • Für CPU: pip install torch torchvision torchaudio
  • Für GPU (CUDA 11.8): pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  1. Überprüfe deine Umgebung: Manchmal hilft es, eine neue virtuelle Umgebung zu erstellen.

Tipp: Automatisierte Prüfung

Wenn du regelmäßig prüfen willst, ob alles funktioniert, kannst du dir auch ein kleines Skript schreiben:

python -c "
import torch
print('PyTorch Version:', torch.__version__)
print('CUDA Available:', torch.cuda.is_available())
if torch.cuda.is_available():
    print('CUDA Version:', torch.version.cuda)
    print('GPU Name:', torch.cuda.get_device_name(0))
"

Fazit

Die Prüfung, ob PyTorch korrekt funktioniert, ist einfach – und wichtig. Mit nur ein paar Zeilen Python-Code kannst du sicherstellen, dass deine Umgebung bereit ist für Deep Learning oder andere rechenintensive Aufgaben.

Wenn du Fragen hast oder Probleme mit deiner Installation, zögere nicht, in den Kommentaren zu schreiben. Wir helfen gerne weiter!

Previous

Next