Torch与CUDA不兼容问题解决方案

最新推荐文章于 2025-04-25 20:39:43 发布

叽里呱啦Jade

最新推荐文章于 2025-04-25 20:39:43 发布

阅读量3.4k

点赞数 24

文章标签： python pip

本文链接：https://blog.youkuaiyun.com/weixin_43269340/article/details/142922409

版权

Torch与CUDA不兼容问题解决方案

近期需要训练一个Yolo模型，在本地配置Yolo环境遇到CUDA一直报错问题，记录解决方案。
问题原因
因为电脑的配置较差，安装的NVIDIA 驱动程序版本过旧，不管怎么更换pytorch版本与CUDA版本都带不起来，网上给的解决方案大多是要对其torch与CUDA版本，忽略了本身驱动的版本也要匹配，重新配置三四遍仍然是False,下面记录驱动、torch、CUDA三者对应的安装方案。

确定显卡并更新驱动

我的电脑显卡是NVIDIA Quadro K6000，不知道显卡型号的可以在电脑下方任务栏处右键，找到任务管理器——性能，可以看到GPU参数。
在这里插入图片描述
更新NVIDIA驱动程序

访问 NVIDIA 驱动程序下载页面：可以通过 NVIDIA 驱动程序下载页面找到适合 GPU 的最新驱动程序。
选择 GPU 型号：根据显卡型号选择合适的驱动程序，下载并安装。
从搜索结果中选择适合的最新驱动程序，通常推荐下载“Game Ready Driver”或“Studio Driver”，具体取决于你的用途。
参考网址：http://nvidia.cn/

通过手动搜索输入GPU型号，选择合适的驱动程序下载

安装驱动程序

注意，在整个驱动及CUDA安装过程中做好数据备份，准备重启电脑

下载完成后，安装下载的驱动程序，安装完成后，可以打开cmd使用nvidia-smi来查看驱动是否安装成功
在这里插入图片描述
我已经成功安装了475.14版本的驱动程序

查看显卡驱动对应的CUDA版本

更新驱动之后，可以继续下一步CUDA的安装，查看驱动与CUDA的对应情况，下载相应的CUDA版本
不同的显卡驱动版本支持不同的CUDA版本，可以通过访问NVIDIA官方文档来查看显卡驱动与CUDA版本的对应关系：
参考网站：https://docs.nvidia.com/deploy/cuda-compatibility/index.html
在这里插入图片描述
感兴趣的可以去详细看看，通过我的驱动为R470，所以我选择下载CUDA11.4,也列出了不同CUDA版本所需要的最低驱动版本
参考网址：https://developer.nvidia.com/cuda-toolkit-archive
下载相应的CUDA版本，准备安装

我选择的是CUDA11.4
安装之前可以先将之前的CUDA卸载，避免冲突，卸载 CUDA 的步骤：
打开控制面板：在 Windows 中，打开“控制面板”
选择“程序和功能”：找到并选择“卸载程序”或“程序和功能”
找到 CUDA：在程序列表中，找到已安装的 CUDA 版本（例如，CUDA 11.2 或 CUDA 12.6
卸载：右键点击 CUDA，然后选择“卸载”
按提示完成卸载：根据提示完成卸载过程

卸载完成后使用新的CUDA安装包进行安装，有的人需要重启电脑才可以完成，我没有重启，最后也安装成功了，参考个人情况

查看对应Pytorch版本

驱动程序与CUDA对应之后，查找与之对应的pytorch版本，别忘了同时关注所需python版本。这里我采用的是离线安装的方式，清华源安装可能会出现安装CPU版本的问题，可以选择先下载安装包再安装

首先创建一个环境安装pytorch
我为了训练yolo，所以起名为yolo_env
在搜索栏找到cmd打开，输入命令创建并激活环境，这里我选择了python=3.9，大家安装时可以根据需要调整，遇到提示框输入y进行安装。

conda create -n yolo_env python=3.9

conda activate yolo_env

（Python版本：一般来说，较新的PyTorch版本支持较新的Python版本。以下是一些常见的对应关系：
PyTorch 1.13.1支持Python 3.8、3.9、3.10
PyTorch 1.12.0支持Python 3.7、3.8、3.9
PyTorch 1.10.0支持Python 3.6、3.7、3.8、3.9
也可以查看对应关系，参考网址如下：
PyTorch官方安装页面： https://pytorch.org/get-started/locally/
PyTorch文档： https://pytorch.org/docs/stable/index.html）
我选择的python为python3.9
在这里插入图片描述

pytorch下载参考网址：https://download.pytorch.org/whl/torch_stable.html

其中cu开头的表示CUDA版本，cp后面的数字表示Python的版本，python3.9即为cp39，参考CUDA11.4，考虑到没有对应的cu114，选择了向下兼容，cu113/torch-1.12.1%2Bcu113-cp39-cp39-win_amd64.whl，下载得到如下：torch-1.12.1+cu113-cp39-cp39-win_amd64.whl
在这里插入图片描述
将下载得到的安装包放在我们的环境目录下，参考我的目录如下：‪D:\Anaconda3\envs\yolo_env
在cmd中打开上述目录，使用pip进行安装

pip install torch-1.12.1+cu113-cp39-cp39-win_amd64.whl

将后面的版本改成自己的版本
在这里插入图片描述

显示安装成功，至此驱动程序、CUDA、pytorch版本都已经对应，可以进行下一步验证了

安装成功验证

进入python环境进行验证：

python

import torch
print(torch.__version__)
print(torch.cuda.is_available())

分别输出版本号与True，即为安装成功
在这里插入图片描述