python如何确定在代码运行过程中GPU成功加载？

在Python中，可以使用torch.cuda.is_available()函数来判断GPU是否可用，返回True表示GPU可用，返回False表示GPU不可用。

另外，可以使用torch.cuda.device_count()函数来获取当前系统中可用的GPU数量，返回一个整数表示可用的GPU数量。

如果要确定代码在GPU上成功运行，可以在代码中使用torch.cuda.current_device()函数来获取当前正在使用的GPU的索引，返回一个整数表示当前正在使用的GPU的索引。

以下是一个示例代码：

import torch

# 判断GPU是否可用
if torch.cuda.is_available():
    print("GPU可用")
else:
    print("GPU不可用")

# 获取可用的GPU数量
num_gpu = torch.cuda.device_count()
print("可用的GPU数量：", num_gpu)

# 获取当前正在使用的GPU的索引
current_gpu = torch.cuda.current_device()
print("当前正在使用的GPU的索引：", current_gpu)

注意：以上代码需要在已经安装了PyTorch和CUDA驱动的环境中运行。