安装pytorch成功但cuda不可用

最新推荐文章于 2025-07-12 18:07:40 发布
转载 最新推荐文章于 2025-07-12 18:07:40 发布 · 1.1w 阅读 · 6 ·
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/woshizhizhang/p/10701867.html
文章标签：

#人工智能 #python #操作系统

本文记录了在使用PyCharm安装PyTorch遇到的问题及解决方案，包括使用conda pip安装的缓慢问题，通过镜像加速安装，以及解决PyTorch与CUDA版本不匹配导致的cuda不可用问题。

贴上我看的教程https://zhuanlan.zhihu.com/p/26871672

一开始想用pycharm装pytorch，但不知道为什么一直失败。后来只能conda pip安装

但conda pip安装太慢，所以找了镜像。非常快

conda install pytorch=0.4.0 -c soumith

安装成功后测试cuda可不可用，torch.cuda.is_available()返回了false

原因是我cuda是8，pytorch1.0.1匹配的是cuda10，所以只能卸载重新下载低版本。

但我卸载又失败，比较暴躁的直接把环境删了重新建了一个，再重新装pytorch0.4.0就可以啦~

转载于:https://www.cnblogs.com/woshizhizhang/p/10701867.html

PyTorch：没有可用的CUDA GPU解决方案
与其临渊羡鱼,不如退而结网
05-31 1万+
如果您在程序中没有显式地指定要使用哪个GPU，那么PyTorch会尝试使用CUDA_VISIBLE_DEVICES环境变量中指定的第一块GPU。在使用PyTorch进行深度学习模型训练时，请务必确保您已经正确安装了CUDA和cuDNN，并且电脑上的显卡支持CUDA加速。如果您已经安装了正确版本的CUDA和cuDNN，那么请确认您的显卡是否支持CUDA加速。您可以在这里找到支持CUDA的显卡列表。如果输出结果为“0”或“0,1,2,3”等值，那么就意味着PyTorch会使用相应编号的GPU运行。
多GPU系统中的CUDA设备不可用问题
m0_48707860的博客
07-10 1323
检查和调整BIOS设置（没有尝试，但是在CUDA版本修改之前就是禁用集成显卡的，任然出现该问题）： 进入BIOS/UEFI，确保所有PCIe插槽设置为“Auto”或“Gen3”，并禁用了所有不必要的集成显卡。限制使用特定GPU： 修改环境变量 CUDA_VISIBLE_DEVICES 限制CUDA程序只使用特定的GPU进行测试，问题依旧。检查GPU状态： 使用 nvidia-smi 查看当前GPU的使用情况，所有GPU的利用率为0。使用 nvidia-smi 命令检查时，发现所有GPU的利用率为0。
PyTorch小技巧Day2：如何快速检查CUDA可用性
weixin_42225705的博客
07-12 1852
PyTorch小技巧Day1：如何快速检查CUDA可用性作为深度学习开发者，在开始任何GPU加速计算之前，第一件事就是确认你的PyTorch是否正确识别了CUDA环境。今天我们将深入探讨这个看似简单但至关重要的第一步。为什么需要检查CUDA？CUDA是NVIDIA提供的GPU计算平台，PyTorch利用它实现GPU加速。基础检查三件套。
pytorch一直显示cuda is not avaliable怎么办
m0_62638970的博客
05-07 2352
明明cuda已经安装好了，版本也对，但是pytorch一直显示cuda is not avaliable怎么办
【已解决】cuda不可用
u013817537的博客
08-15 5171
torch.cuda.is_available() false
cuda不可用，torch.cuda.is_available()返回fulse，安装GPU版本的torch。创建新的虚拟环境
m0_45924886的博客
07-22 4139
问题描述：今天复现别人的代码，发现环境要求跟我原来的环境相差太多，所以打算重新创建一个 新的虚拟环境，当然创建一个虚拟环境还是很简单的，之后简单说明一下，最后发现创建的新环境下的cuda不可用，也就是torch.cuda.is_available()=fulse，当然我的其他环境能正常使用，所以按照我的情况只能是torch安装出错。选择你的环境，不然的话会默认安装到python环境下，比如我要安装的新建的一个环境下：使用指令。记录学习，希望对你有所帮助，菜鸟一枚，有错望指出共同学习。
docker 内 pytorch cuda 不可用
qq_43928549的博客
03-20 527
NVIDIA 在 /usr/local/cuda/compat/ 目录下提供了一些兼容库 (libcuda.so.1 等)，但如果主机的 NVIDIA 驱动版本较新，则不需要这些兼容库。强行使用这些库可能会导致不匹配的 CUDA 版本，从而触发 Error 804。conda 安装2.5.0 的 pytorch 后，使用 cuda 报错。拉的官方 docker 仓库里的镜像。nvidia-smi 可以执行。我的 test1.py 代码。
LibTorch中Windows系统环境配置及CUDA不可用问题解决
weixin_42112050的博客
03-24 3120
在 Python 深度学习圈，PyTorch 具有举足轻重的地位。同样的，C++ 平台上的 LibTorch 作为 PyTorch 的纯 C++ 接口，它遵循 PyTorch 的设计和架构，旨在支持高性能、低延迟的 C++ 深度学习应用研究。本文基于 Windows 环境与 Visual Studio 2022 开发工具，将从零开始搭建一个完整的深度学习LibTorch开发环境。
cuda用不了、pycharm中某个环境的cuda用不了但jupyter notebook中可以
干就完了！！！
03-29 2731
cuda用不了可能是因为： pytorch和cuda版本不对应 nvidia驱动和cuda版本不对应 另外，若pycharm中cuda用不了，而jupyter中可以，那很可能是因为你对应虚拟环境未安装jupyter，导致实际进的是base环境的jupyter（这点巨坑）。 ...
GPU版pytorch安装成功却无法使用cuda
慢慢来，才会快
10-27 7892
因为这个大坑，可以说浪费了一整个晚上的时间，在借鉴了很多博客之后，下面这个博主的博客可以说是一个超级好的解决方法。在远程服务器安装pytorch，根据官网命令进行安装，但在完成之后，显示GPU不可用，故记录此大坑。安装结束之后，输入以下代码进行安装验证却显示没有成功安装！按照这个博客的引导，使用pip成功安装GPU版本的torch。但是不死心的我又输入以下语句来检查torch。这表明我们安装的只是CPU版本！所以这表明安装大失败！一、根据官网进行安装。
Pytorch无法使用GPU的问题的原因
m0_73640344的博客
11-11 2185
从你提供的信息来看，尽管你的环境中安装了与CUDA相关的库（如libcublas等），但PyTorch还是无法使用GPU。False。
cuda突然不能用了的解决办法「完全指导手册」
江南蜡笔小新
03-31 1万+
cuda用几天突然不能用了/torch.cuda.is_available()返回False的解决办法 被cuda环境设置搞得脑壳痛的解决方法网友：你重装一下试试 一、问题背景 突然不能用了 二、解决方案 本文解决的是用几天突然不能用的情况。如果之前能用，说明您的您的cuda与您的pytorch版本是匹配的，请重新安装试试，可以参考第二条的安装过程; 否则，请您先检查您的您的cuda与您的py...
cuda is not available（环境变量一定正确配置呀）
a1563802442的博客
03-03 6498
深度学习，神经网络配置中 cuda is not available
解决cuda突然不能用了的方法[完美解决]
GPIOHTML的博客
11-24 1万+
利用新创建的虚拟环境完美解决pytorch中cuda调用不出来的问题。目前解决torch.cuda.is_available()返回False的问题
PyTorch安装后CUDA无法使用的解决方案 , 思路超清晰, 一键避坑! ! !
2301_76849350的博客
03-13 1635
CUDA 无法使用时，先检查 PyTorch 是否正确安装，并确认 GPU 版本的 PyTorch 是否安装成功。清华源虽然下载快，但只提供 CPU 版本的 PyTorch，不适用于 GPU 计算。使用 PyTorch 官网推荐的安装命令，不要随意更换源。如遇下载速度慢的问题，可以使用--proxy或手动下载.whl文件安装。希望这篇文章能帮助遇到相同问题的同学，避免踩坑！如果你也遇到类似的问题，欢迎留言交流！
torch不能使用cuda的解决方案
jieshenai的博客
03-29 1520
安装nvidia桌面端APP, 安装 cuda，torch 安装cuda版本
pytorch gpu不可用 原因核查
热门推荐
yuuzhao的博客
06-15 5万+
首先检查pytorch cuda 显卡驱动 之间的对应关系 查看pytorch对应的cuda版本 打开终端输入：python 输入命令：import torch 再输入：print(torch.version.cuda) 查看pytorch 版本 print(torch.__version__) 查看 cuda 是否安装成功 查看cuda 版本 cat /usr/local/cuda/version.txt 查看是否能使用GPU import torch print(torch.cud
windows 安装 pytorch显示GPU不可用
Echo_Rain的博客
12-18 693
如果出现这种情况，可能安装的pytorch版本是cpu版本的，无法调用GPU。备注：nvidia-smi可以查看当前GPU最高支持的CUDA版本。nvcc -V即可查看CUDA Runtime API运行的版本。选择适合自己版本的包，复制下来即可。进入到pytorch的官网。
PyTorch GPU不可用问题排查及解决方法
Bsv___的博客
10-11 5551
如果已安装了正确的CUDA版本，但仍然无法使用GPU，可以尝试更新PyTorch和CUDA到最新版本。：如果已安装了正确的CUDA版本，但仍然无法使用GPU，可以尝试更新PyTorch和CUDA到最新版本。：有时候CUDA驱动或PyTorch安装可能出现问题，导致无法正确识别GPU设备。：有时候CUDA驱动或PyTorch安装可能出现问题，导致无法正确识别GPU设备。：如果以上解决方法都无效，可以向PyTorch官方论坛或其他深度学习社区寻求专业支持，寻求更详细的帮助和指导。
pytorch跟torchvision安装后CUDA不可用
最新发布
08-27
<think>我们正在解决PyTorch和torchvision安装后CUDA不可用的问题。根据引用[1]和[2]，问题通常是由于PyTorch和torchvision的CUDA版本不匹配造成的。我们需要确保两者使用相同的CUDA版本。 步骤： 1. 检查当前安装的PyTorch和torchvision的CUDA版本。 2. 根据PyTorch的CUDA版本，重新安装匹配的torchvision。 具体操作： 1. 检查PyTorch的CUDA版本： 在Python中运行以下代码： ```python import torch print(torch.version.cuda) # 输出PyTorch使用的CUDA版本 ``` 2. 检查torchvision的CUDA版本（间接）： 由于torchvision没有直接提供CUDA版本信息，我们可以通过查看其构建时依赖的CUDA版本（通常通过版本号可以推断，或者通过安装时指定的版本）。但更直接的方法是，如果出现不匹配，我们重新安装匹配的版本。 3. 根据PyTorch的CUDA版本，安装对应版本的torchvision。 例如，如果PyTorch使用的是CUDA 12.1，那么我们需要安装同样支持CUDA 12.1的torchvision。 安装命令可以通过PyTorch官方渠道获取。例如，对于CUDA 12.1的PyTorch，安装torchvision的命令可能是： ```bash pip install torchvision --index-url https://download.pytorch.org/whl/cu121 ``` 或者，如果已经知道需要特定版本的torchvision，可以指定版本和CUDA版本标签。 4. 验证安装： 安装后，运行以下代码验证CUDA是否可用且版本匹配： ```python import torch import torchvision print(torch.cuda.is_available()) # 应该输出True print(torch.version.cuda) # 检查torchvision的版本（虽然没有直接显示CUDA版本，但我们可以通过运行一个操作来验证） # 或者通过torchvision.version查看版本号，然后与PyTorch官方发布的版本对应关系进行比对。 ``` 注意：引用[2]中提到，torch2.x版本放弃了对python3.7和cuda11.6的支持，因此我们也要注意Python版本和CUDA版本的兼容性。 如果重新安装后仍然有问题，可能需要检查系统CUDA驱动是否支持所需的CUDA版本（例如，CUDA 12.1需要驱动版本至少为530.30.02）。可以通过命令`nvidia-smi`查看驱动支持的CUDA版本（右上角显示的最高版本）。 总结步骤： - 确定PyTorch的CUDA版本 - 卸载当前torchvision：`pip uninstall torchvision` - 根据PyTorch的CUDA版本安装对应的torchvision（通过官方提供的对应版本的wheel） 如果用户遇到的是其他CUDA不可用的问题（比如驱动不支持），则需要更新显卡驱动。 相关问题： 1. 如何检查PyTorch是否可以使用CUDA？ 2. 如何更新NVIDIA显卡驱动以支持更高版本的CUDA？ 3. PyTorch不同版本对CUDA的支持情况是怎样的？</think>### PyTorch和torchvision安装后CUDA不可用的解决方法 当PyTorch和torchvision安装后出现CUDA不可用的问题时，通常是由于**CUDA版本不匹配**造成的。以下是系统化的解决方案： #### 1. **验证问题现象** 在Python中运行以下诊断代码： ```python import torch print(f"PyTorch CUDA可用: {torch.cuda.is_available()}") print(f"PyTorch CUDA版本: {torch.version.cuda}") print(f"torchvision版本: {torchvision.__version__}") ``` 如果输出显示类似`PyTorch has CUDA Version=12.1 and torchvision has CUDA Version=11.8`的警告[^1]，说明版本不匹配。 #### 2. **解决方案步骤 **步骤1：检查系统CUDA版本** ```bash nvidia-smi # 查看驱动支持的最高CUDA版本（右上角） nvcc --version # 查看当前安装的CUDA版本 ``` 记录输出中的CUDA版本（如`CUDA Version: 12.1`）[^2]。 **步骤2：重新安装匹配版本** 根据系统CUDA版本选择对应命令： ```bash # CUDA 12.x 安装命令 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 # CUDA 11.8 安装命令 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 ``` **步骤3：验证安装** ```python import torch assert torch.cuda.is_available() # 应返回True print(torch.rand(3,3).cuda()) # 测试GPU张量 ``` #### 3. **常见问题处理 - **驱动过旧**：若`nvidia-smi`显示的CUDA版本低于PyTorch要求，需[升级驱动](https://www.nvidia.com/Download/index.aspx) - **虚拟环境污染**：建议新建虚拟环境： ```bash conda create -n pytorch_env python=3.10 conda activate pytorch_env ``` - **版本兼容性**：注意torch2.x已放弃对Python 3.7和CUDA 11.6的支持[^2] #### 4. **安装验证成功示例 ``` PyTorch CUDA可用: True PyTorch CUDA版本: 12.1 torchvision版本: 0.16.1+cu121 ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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