XGBoost提示未检测到GPU切换至CPU的问题解决求助

针对你遇到的XGBoost提示"No visible GPU is found"但系统CUDA和GPU正常的情况，可按以下步骤排查解决：

1. 确认安装的是XGBoost GPU版本 #

XGBoost分为CPU版和GPU版，默认pip安装的是CPU版。执行以下命令检查当前安装的版本：

pip show xgboost

如果输出中没有cuda相关标识，卸载后重装对应CUDA版本的GPU版：

pip uninstall -y xgboost
# 对应CUDA 12.x版本，安装xgboost-cuda12x
pip install xgboost-cuda12x

2. 配置CUDA环境变量 #

确保CUDA的库路径和二进制路径被正确添加到环境变量中，可在终端执行：

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

也可以将这两行添加到~/.bashrc或~/.zshrc中，永久生效。

3. 显式指定XGBoost使用GPU #

在代码中初始化模型或DMatrix时，强制指定GPU设备：

import xgboost as xgb

# 初始化分类器时指定GPU
model = xgb.XGBClassifier(tree_method='gpu_hist', device='cuda')

# 或者创建DMatrix时指定
dtrain = xgb.DMatrix(train_data, train_labels, device='cuda')

tree_method='gpu_hist'是XGBoost GPU加速的核心参数，必须设置才能启用GPU训练。

4. 验证XGBoost的GPU检测能力 #

运行以下代码，查看XGBoost的配置信息，确认是否能识别GPU：

import xgboost as xgb
print("XGBoost版本:", xgb.__version__)
print("XGBoost配置:", xgb.config.get_config())

如果配置中gpu_id不为-1，说明GPU已被正确识别。

5. 检查CUDA版本兼容性 #

XGBoost 2.1.3对CUDA版本有要求，确保安装的xgboost-cuda版本与系统CUDA版本匹配：

• CUDA 12.x对应xgboost-cuda12x
• CUDA 11.x对应xgboost-cuda11x

内容的提问来源于stack exchange，提问作者DragonFang