win10 电脑自带GPU Pytorch却无法通过CUDA使用

博主在解决torch.cuda.is_available()返回False的问题上,通过启动NVIDIA服务和更新GPU驱动,成功使NVIDIA GeForce MX130显卡恢复正常。详细步骤包括参照教程启动服务和下载安装适合GPU型号的驱动程序。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

博主遇到的问题:

笔记本自带NVIDIA GeForce MX130独立显卡,但torch.cuda.is_available()却返回False。通过查找资料,总结解决流程如下:

解决流程

  1. 启动NVIDIA相关服务
    参考教程中的方法一:https://www.xitongtiandi.net/wenzhang/cto/47368.html
  2. 如果启动失败,更新驱动
    参考教程 :https://blog.youkuaiyun.com/jacke121/article/details/104751978
    博主根据自己的GPU型号,选择的驱动如下:
    在这里插入图片描述
    下载之后,安装即可。

执行完上述步骤,博主的GPU就可以正常使用啦!!!
在这里插入图片描述

### 如何在 Windows 上安装 PyTorch #### 安装前的准备工作 为了确保顺利安装 GPU 版本的 PyTorch,在开始之前需确认计算机已配备 NVIDIA 显卡并更新至最新的显卡驱动程序[^1]。如果右键菜单中未发现 NVIDIA 控制面板选项,则可能需要重新安装或修复显卡驱动程序以确保其正常工作[^2]。 #### 创建 Python 虚拟环境 建议先创建一个新的 Python 虚拟环境来隔离项目依赖项。可以使用 Anaconda 或者 Python 自带的方式建立虚拟环境: - **Anaconda 方式** ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` - **Python 原生方式** ```bash python -m venv pytorch_env .\pytorch_env\Scripts\activate.bat ``` #### 下载 CUDA 和 cuDNN 对于希望利用 GPU 加速计算的应用场景,还需要预先下载与所选 PyTorch 版本兼容的 CUDA Toolkit 和 cuDNN 库文件,并按照官方指南完成相应设置[^5]。 #### 安装 PyTorch 通过 `pip` 工具可以直接在线获取最新发布的 PyTorch 包;而对于网络受限的情况则可以选择离线安装方案。以下是两种常见的安装途径: - **在线安装** 对于大多数用户而言,最简便的方法是从官方网站获取推荐命令行来进行快速部署: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 ``` - **离线安装** 当处于无法访问互联网环境中时,可提前准备好对应版本的.whl 文件后执行如下指令实现本地化加载: ```bash pip install path_to_your_downloaded_file.whl ``` #### 验证安装成果 最后一步是在激活后的虚拟环境下运行简单的测试脚本来检验是否成功启用了 GPU 支持功能: ```python import torch print(torch.cuda.is_available()) ``` 当上述代码返回 True 即表明已经正确设置了基于 CUDAPyTorch 运行环境[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值