print(torch.cuda.is_available()) 返回false的解决办法

print(torch.cuda.is_available()) 返回false的解决办法

1.问题简述
今天给新电脑配置pytorch深度学习环境，最后调用python打印print(torch.cuda.is_available())一直出现false的情况（也就是说无法使用GPU），最后上网查找资料得出报错的原因：下载的pytorch是CPU版本，而非GPU版本。

2.报错原因
按照最开始的方法，在pytorch的官网上根据自己的cuda版本（笔者为cuda11.5）使用对应的指令在conda prompt中在线下载：conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch。为了使下载速度加快，我们一般会将后面的-c python删除，采用清华镜像源地址进行安装，例如：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 

（清华源加速需要提前部署好，可参考其他博客）。

然鹅错误就出在清华镜像源这里，从网上查资料可得，镜像源下载的一般为CPU版本，也是这导致前面所说一直返回false。如果不使用清华源，在官网下载速度又太慢，这个时候我们考虑pip安装。

3.解决办法
首先进入离线文件的下载地址：link.

在其中找到符合自己的那个文件。注意看清要下载的包的名字，torch还是其他啥。cuxxx一般是支持cuda的包。看好自己环境中的python处理器是什么版本的，不要下载错了，比如python3.6就是cp36。window,linux版本区分清楚。如下图所示就是python对应版本出错后的结果（后续安装离线文件报错）

下载完离线文件后，将离线文件放在你需要安装的环境中，如下图，我放在了我自己的深度学习环境python36中，在anconda的envs中。

最后一步就是打开conda prompt ，从base环境切到你自己的环境里，通过cd命令切换到那个环境的文件地址中（切cd操作可以参考其他文章），同时最后输入指令pip install 文件名，例如：pip install torch-1.10.2+cu113-cp36-cp36m-win_amd64.whl

最后静等不到一分钟，就安装好了。去python测试，终于不报错了，也能显示存在一张工作的显卡

检查GPU是否可用的代码：

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

最后结果：

这里有一个报错是numpy的版本不对，后面卸载了重装就是了。