PyTorch 2.2.1无法识别RTX 4060 GPU问题排查求助

• 确认PyTorch是否为CUDA适配版本
  你可能安装了CPU版本的PyTorch。重新安装时需指定对应CUDA 11.8的包，执行以下命令：

  pip3 install torch==2.2.1 torchvision==0.17.1 torchaudio==2.2.1 --index-url https://download.pytorch.org/whl/cu118
  

  不要使用无CUDA版本指定的安装命令，否则默认会安装CPU版。

• 检查虚拟环境的CUDA环境变量加载情况
  虚拟环境可能未继承系统的CUDA路径。在激活虚拟环境的终端中执行：

  • Windows：echo %CUDA_PATH%
  • Linux/macOS：echo $CUDA_PATH
    确认输出为你的CUDA 11.8安装目录。若未输出，需手动在虚拟环境中配置该环境变量，或重启终端后重新激活虚拟环境。

• 验证PyTorch的CUDA版本匹配度
  在Python环境中运行以下代码，确认PyTorch关联的CUDA版本：

  import torch
  print(torch.version.cuda)
  

  若输出为None或非11.8，说明安装的是CPU版，需重新安装对应CUDA版本的PyTorch。

• 澄清nvidia-smi输出的含义
  nvidia-smi显示No running processes found是正常状态，仅表示当前无进程占用GPU，不代表GPU不可用。你的驱动版本560.76兼容CUDA 11.8（该驱动最高支持CUDA 12.2，向下兼容），硬件层面无问题。

• 确认cuDNN文件部署正确
  检查cuDNN文件是否复制到CUDA 11.8的对应目录：

  • 将cuDNN的bin目录内容复制至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin（Windows）
  • include目录内容复制至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
  • lib\x64目录内容复制至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64
    复制完成后重启终端，确保路径生效。

内容的提问来源于stack exchange，提问作者Tal1992