問題描述

已經(jīng)安裝CUDA與Pytorch。但執(zhí)行如下Python腳本，輸出結(jié)果為False：

import torch
print(torch.cuda.is_available())
 
出現(xiàn)這個問題的原因很多，很多文章的分析并不全面。博主遇到這個問題時，也是不斷整合網(wǎng)絡(luò)上零零散散的信息，浪費了不少功夫，因此寫下了本文。如果你也遇到了這個問題，本文致力于幫助你通過這一篇文章解決這一問題。如果本篇文章對你有幫助，希望能點贊鼓勵一下。
 
注意，本文解決的問題是，import torch不報錯，但Pytorch與cuda沒有正確匹配上。如果你的import torch報錯，說明你沒有正確安裝Pytorch，請參考這一鏈接，安裝合適的Pytorch版本。
 
為了方便說明，本文以CUDA 10.2與PyTorch 1.11.0（GPU版本）為例。
 
總覽：導(dǎo)致問題的原因
 
導(dǎo)致這一問題的原因主要分為如下四個方面，在這里先作總結(jié)，具體方法在之后展開。有經(jīng)驗的同學(xué)可以直接根據(jù)本節(jié)進(jìn)行快速排查，以提高效率。
 

CUDA版本與驅(qū)動程序不兼容：CUDA版本需與GPU驅(qū)動程序兼容。
CUDA庫的路徑設(shè)置存在問題：如果CUDA庫路徑未正確配置，PyTorch將無法找到CUDA庫文件。
PyTorch版本與CUDA版本不匹配：安裝的PyTorch版本需與CUDA版本匹配。
編譯問題：如果使用預(yù)編譯的PyTorch二進(jìn)制文件，可能存在與CUDA版本不匹配的問題。
沖突：可能存在其他軟件包或庫與PyTorch或CUDA發(fā)生沖突。

絕大多數(shù)的問題都可以通過前三步解決。
 
請按照1-5的順序排查，直至問題解決。
 
可能1：CUDA版本與驅(qū)動程序不兼容
 
驅(qū)動程序與CUDA的兼容，指的是GPU驅(qū)動程序與安裝的CUDA版本相匹配，并且能夠正確地與CUDA庫進(jìn)行通信和協(xié)作?？梢园凑杖缦虏襟E排查二者是否兼容：
 
1. 查看CUDA版本。
 
在終端輸入如下指令：
 
![nvcc -V](https://img-blog.yssmx.com/7aa95a08cc654edd83a126fd30b8953d.png)

或者：

cat /usr/local/cuda/version.txt

例如，我的CUDA版本是10.2。

2. 查看GPU驅(qū)動程序版本。

在終端輸入如下指令：

nvidia-smi

找到第一行的Driver Version，例如我的是440.44。

3. 檢查二者是否兼容。

驅(qū)動程序與CUDA的兼容性是非常重要的，因為PyTorch和其他基于CUDA的庫需要與GPU驅(qū)動程序進(jìn)行交互才能正確運行。如果驅(qū)動程序與CUDA不兼容，可能會導(dǎo)致無法正常使用CUDA功能或出現(xiàn)錯誤。

檢查上述二者的版本，確保二者是匹配的。例如，CUDA 10.2對應(yīng)的推薦驅(qū)動程序版本為NVIDIA驅(qū)動程序版本440.33或更高版本，我的版本是440.44，因此兼容。

CUDA版本與GPU驅(qū)動的兼容性表格（Linux請參照第一二列，Windows請參照第一三列）如下，請根據(jù)自己的版本自行比對：

注：引用自此鏈接。

4. 更新驅(qū)動程序或更改CUDA版本。

若二者不匹配，可以選擇更新驅(qū)動程序或更改CUDA版本。

可以通過訪問NVIDIA官方網(wǎng)站下載并安裝適當(dāng)?shù)尿?qū)動程序版本。在安裝新的驅(qū)動程序之前，請確保先卸載舊的驅(qū)動程序，并按照安裝指南進(jìn)行正確的安裝，這里不做展開。如對CUDA版本無特殊要求，建議優(yōu)先選擇更改安裝的CUDA版本。

可能2：CUDA庫的路徑設(shè)置存在問題

簡單來說，如果CUDA庫路徑未正確配置，PyTorch將無法找到CUDA庫文件。在這種情況下，即便CUDA與Pytorch的安裝都是正確的，也會導(dǎo)致錯誤。

請按照如下步驟，將CUDA路徑添加到Linux系統(tǒng)的環(huán)境變量中（Windows平臺下的操作與之類似，這里以Linux為例，供參考）：

1. 在終端輸入如下指令：

vim ~/.bashrc

即使用vim文本編輯器打開~/.bashrc文件。也可以選擇通過其他的文本編輯器打開。

2. 以vim為例，按下字母i，進(jìn)入編輯模式，在文件的末尾添加以下行：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

其中，/usr/local/cuda為CUDA的安裝路徑。如果你的CUDA的安裝路徑不是/usr/local/cuda，請?zhí)钅愕膶嶋H路徑。

該操作會將CUDA的bin目錄添加到PATH環(huán)境變量中，以便系統(tǒng)可以找到CUDA可執(zhí)行文件，同時將CUDA的lib64目錄添加到LD_LIBRARY_PATH環(huán)境變量中，以便系統(tǒng)可以找到CUDA庫文件。

3. 按下ESC，然后輸入:wq，之后按下回車，保存~/.bashrc文件。
4. 在終端窗口中，運行以下命令以使環(huán)境變量更改生效：

source ~/.bashrc

該命令會重新加載.bashrc文件，使添加的環(huán)境變量生效。

5. 檢查CUDA路徑是否成功添加到環(huán)境變量中。

在終端窗口中，運行以下命令：

echo $PATH
echo $LD_LIBRARY_PATH

上述命令將顯示環(huán)境變量的當(dāng)前值。檢查輸出中是否包含CUDA的路徑（/usr/local/cuda/bin和/usr/local/cuda/lib64），以確保添加成功。

如果輸出中不包含CUDA的路徑，或包含多個CUDA路徑，請繼續(xù)參考如下步驟操作。

6. 排查環(huán)境變量問題。

如果環(huán)境變量的當(dāng)前值不正確，那么這個問題可能是由其他配置文件或環(huán)境變量引起的。除了~/.bashrc文件之外，還可能存在其他配置文件，這些文件也可能包含CUDA庫路徑的設(shè)置。打開這些文件并查找類似PATH、LD_LIBRARY_PATH的設(shè)置行，以確定是否在其他文件中設(shè)置了/usr/local/cuda路徑。

7. 檢查其他環(huán)境變量。

除了LD_LIBRARY_PATH環(huán)境變量之外，還可能存在其他與CUDA相關(guān)的環(huán)境變量設(shè)置，這些設(shè)置可能導(dǎo)致/usr/local/cuda/lib64路徑被添加到LD_LIBRARY_PATH中。運行如下指令檢查是否存在其他環(huán)境變量與CUDA相關(guān)：

env | grep CUDA

如果有的話，可能是由于執(zhí)行過其他的CUDA相關(guān)的操作引起的，可以參照下一條將其清除。

8. 清除舊的環(huán)境變量。

如果曾經(jīng)安裝過其他版本的CUDA或執(zhí)行過其他與CUDA相關(guān)的操作，舊的環(huán)境變量設(shè)置可能仍然存在于系統(tǒng)中。可以手動清除這些環(huán)境變量，然后重新設(shè)置正確的CUDA庫路徑。

首先，運行如下指令：

env

這將列出所有當(dāng)前的環(huán)境變量。在輸出中查找與CUDA或舊版本相關(guān)的環(huán)境變量設(shè)置，使用unset命令來刪除指定的環(huán)境變量。例如，假設(shè)存在名為OLD_CUDA_PATH的環(huán)境變量，可以運行以下命令刪除它：

unset OLD_CUDA_PATH

對每個需要刪除的環(huán)境變量重復(fù)此步驟。注意，除非確定環(huán)境變量存在問題，否則不要輕易刪除環(huán)境變量。

8. 重新加載配置文件。

運行指令：

source ~/.bashrc

注意，如果此時報錯：/bin/lesspipe: 1: /bin/lesspipe: basename: not found，可能是由于刪除了PATH環(huán)境變量，請參考此鏈接。

9. 再次檢查環(huán)境變量。

運行env命令再次檢查環(huán)境變量，確保舊的環(huán)境變量已成功刪除。

可能3：PyTorch版本與CUDA版本不匹配

有些同學(xué)可能直接通過下面的指令安裝Pytorch：

pip install pytorch
conda install pytorch

這些指令都是不合適的，可能導(dǎo)致安裝的PyTorch版本與CUDA版本不匹配。也有些同學(xué)訪問Pytorch官網(wǎng)，看到安裝指令之后直接復(fù)制粘貼，而沒有進(jìn)一步檢查Pytorch與CUDA的匹配性。

更加推薦的安裝方式是，訪問Previous PyTorch Versions | PyTorch，找到與CUDA版本相符的Pytorch版本，再復(fù)制安裝。

可能4：編譯問題

我沒有遇到過這種情況，我也不推薦使用源代碼編譯PyTorch。如果排查到這一步依舊沒有解決問題，建議首先更換Pytorch版本嘗試（例如由conda安裝改為pip安裝）。如果依舊無法解決，再參照使用源代碼編譯PyTorch的相關(guān)文章。

可能5：軟件包或庫沖突

為了避免這種情況，建議新建一個conda環(huán)境，在新的conda環(huán)境下安裝Pytorch。

寫在最后

上面五點是博主根據(jù)個人經(jīng)驗與網(wǎng)上的相關(guān)文章總結(jié)的，如果有補充，歡迎同學(xué)們在評論區(qū)討論。

如果這篇文章幫助到了你，希望能點贊或評論支持一下，大家的鼓勵是我持續(xù)創(chuàng)作的最大動力。文章來源地址http://www.zghlxwxcb.cn/news/detail-489859.html

到了這里，關(guān)于【一文解決】已安裝CUDA與Pytorch但torch.cuda.is_available()為False的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！