安装带CUDA支持的PyTorch后，torch.cuda.is_available()返回False的求助

核心原因分析 #

结合你的配置信息（PyTorch 2.3.1、CUDA 12.5），问题主要集中在版本不兼容或安装的PyTorch为CPU版本，具体排查和解决步骤如下：

1. PyTorch与CUDA版本不匹配 #

PyTorch 2.3.1官方正式支持的CUDA版本为11.8和12.1，你当前使用的CUDA 12.5不在官方支持列表中，导致PyTorch无法调用CUDA。

解决方法：

• 方案一：降级CUDA到12.1版本，再重新安装适配CUDA12.1的PyTorch，使用命令：

  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
  

• 方案二：安装适配CUDA12.5的PyTorch nightly构建版本，命令：

  pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu125
  

2. 误安装了CPU版本的PyTorch #

默认的pip install torch命令会自动安装CPU版本，而非带CUDA支持的版本，即使你以为安装的是CUDA版。

解决方法：
用上述适配版本的命令重新安装，安装完成后可通过以下代码验证是否为CUDA版：

import torch
print(torch.version.cuda)  # 输出绑定的CUDA版本，若为None则是CPU版

3. CUDA环境变量未配置正确 #

如果CUDA的可执行文件路径未加入系统环境变量，PyTorch无法找到CUDA驱动。

解决方法：

• 找到CUDA安装目录（默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X，X.X为你的CUDA版本号）
• 将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\libnvvp添加到系统环境变量PATH的最顶部
• 重启终端和Python运行环境后再次验证

4. Python环境冲突 #

若你使用了虚拟环境但未激活，或存在多个Python版本，可能导致安装的PyTorch未在当前使用的环境中生效。

解决方法：

• 用python --version确认当前使用的Python版本是否为3.10
• 若使用虚拟环境，先激活对应环境（比如venv\Scripts\activate）
• 在激活的环境中重新安装适配的PyTorch版本

内容的提问来源于stack exchange，提问作者Javad Ibrahimli