Ubuntu CUDA11.4环境下Conda始终装PyTorch-CPU而非GPU版的求助

问题背景 #

在Ubuntu系统、CUDA11.4环境下，通过Miniconda创建tortoise环境（Python3.9），尝试安装PyTorch1.11.0 GPU版本时，无论是否指定torchvision/torchaudio，均自动安装CPU版本。已确认设备配备GPU，且查阅同类问题未解决。

执行的关键命令：

• 创建环境：

conda create --name tortoise python=3.9 numba inflect

• 指定版本安装：

conda install pytorch=1.11.0 torchvision=0.12 torchaudio=0.11 cudatoolkit=11.4 -c pytorch -c nvidia

• 简化安装命令：

conda install pytorch=1.11.0 cudatoolkit=11.4 -c pytorch -c nvidia

可能原因及解决步骤 #

1. 旧GPU架构不兼容CUDA11.4版本 #

PyTorch 1.11.0搭配CUDA11.4的预编译包仅支持算力≥3.7的GPU（如Tesla K80、GTX 10系列及以后）。若你的旧GPU算力低于3.7（如GT 610、Tesla C2075等），conda会因无对应GPU包自动 fallback到CPU版本。

解决：

• 用nvidia-smi查看GPU型号，查询其算力值。
• 若算力不足，可降级PyTorch和CUDA版本（比如PyTorch1.9.0+CUDA11.1，支持算力≥3.5），或使用源码编译PyTorch适配旧架构。

2. Conda通道优先级或缓存问题 #

conda可能优先拉取默认通道的CPU版包，或缓存了旧的CPU安装包导致重复安装。

解决：

1. 清理conda缓存：

conda clean --all

2. 明确指定从pytorch通道拉取GPU版包，强制优先级：

conda install pytorch::pytorch=1.11.0 torchvision=0.12 torchaudio=0.11 cudatoolkit=11.4 -c pytorch -c nvidia

3. 设置严格通道优先级（确保第三方通道优先于默认通道）：

conda config --set channel_priority strict
conda config --add channels pytorch
conda config --add channels nvidia

3. 系统NVIDIA驱动版本过低 #

CUDA11.4要求驱动版本≥470.42.01，若系统驱动版本低于该值，conda会判定无法支持GPU加速，转而安装CPU版。

解决：

• 执行nvidia-smi查看驱动版本（右上角Driver Version），若版本不足，升级驱动：

sudo apt update
sudo apt install nvidia-driver-470

（重启系统后生效）

4. 尝试用Pip安装GPU版本 #

部分情况下，conda的预编译包未覆盖所有GPU架构，而PyTorch官方pip源提供通用GPU版包，兼容性更强。

解决：
激活环境后执行：

pip install torch==1.11.0+cu114 torchvision==0.12.0+cu114 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu114

5. 检查是否存在强制CPU的环境变量 #

若系统或conda环境中设置了FORCE_CPU等强制CPU的变量，会导致PyTorch安装CPU版。

解决：
执行以下命令排查，若存在相关变量则删除：

env | grep -i cpu
# 若输出FORCE_CPU=1，执行unset FORCE_CPU

安装验证 #

激活环境后，运行Python代码验证GPU是否可用：

import torch
print(torch.cuda.is_available())

输出True则表示GPU版本安装成功。

内容的提问来源于stack exchange，提问作者Halfstop