解决PyTorch报错“no CUDA-capable device is detected”

最新推荐文章于 2025-05-28 17:39:12 发布

越野者

最新推荐文章于 2025-05-28 17:39:12 发布

阅读量4w

点赞数 27

CC 4.0 BY-SA版权

分类专栏：深度学习（Deep learning） CUDA Python PyTorch Ubuntu Debug 数字图像处理、模式识别与深度学习文章标签： Python PyTorch 深度学习 CUDA

本文链接：https://blog.youkuaiyun.com/discoverer100/article/details/87748968

Python 同时被 3 个专栏收录

47 篇文章

订阅专栏

数字图像处理、模式识别与深度学习

46 篇文章

订阅专栏

深度学习（Deep learning）

45 篇文章

订阅专栏

本文解决了一个常见的PyTorch错误，当尝试使用GPU进行计算时，系统报告未检测到CUDA兼容设备。通过调整环境变量CUDA_VISIBLE_DEVICES指向正确的显卡编号，问题得以解决。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在进行PyTorch调用GPU进行计算时，出现如下错误：

THCudaCheck FAIL file=/opt/conda/conda-bld/pytorch_1511304568725/work/torch/lib/THC/THCGeneral.c line=70 error=38 : no CUDA-capable device is detected
...
RuntimeError: cuda runtime error (38) : no CUDA-capable device is detected at /opt/conda/conda-bld/pytorch_1511304568725/work/torch/lib/THC/THCGeneral.c:70

解决方法：

S1. 新建终端窗口，运行命令sudo nvidia-settings，在弹出的NVIDIA窗口中查看自己的显卡编号，如下图所示：
在这里插入图片描述
S2. 打开相应的Python源码文件，查找形如os.environ["CUDA_VISIBLE_DEVICES"]的代码行，将右边的数字改为上述查看的显卡编号，如下图所示：

至此，问题解决。