PyTorch 1.7.1无法识别CUDA 11.0问题求助

• 确认Jupyter Notebook使用的conda环境
  多数情况下Jupyter默认使用base环境，若你在其他conda环境安装了PyTorch，需切换对应内核：

  1. 终端激活你的PyTorch环境：conda activate 你的环境名称
  2. 安装ipykernel：conda install ipykernel
  3. 添加自定义内核：python -m ipykernel install --user --name=你的环境名称 --display-name="PyTorch 1.7.1 (CUDA11.0)"
  4. 重启Jupyter Notebook，选择上述新增的内核重新执行测试命令。

• 排查系统环境变量干扰
  系统中旧版本CUDA（如10.1）的环境变量可能覆盖conda自带的cudatoolkit：

  • Linux/macOS：激活PyTorch环境后，执行unset CUDA_PATH和unset LD_LIBRARY_PATH，再运行python -c "import torch; print(torch.cuda.is_available())"测试。若恢复正常，需调整环境变量优先级，让conda环境的库路径排在系统CUDA路径之前。
  • Windows：临时移除环境变量中CUDA 10.1的相关路径，激活PyTorch环境后打开命令提示符测试。正常的话，可永久调整环境变量顺序，将conda环境的Lib\site-packages\torch\lib路径提前。

• 验证PyTorch安装有效性
  直接在终端激活环境后测试，排除Jupyter的影响：

  1. 执行python -c "import torch; print(torch.version.cuda); print(torch.cuda.is_available())"
  2. 若输出为11.0和True，说明安装正常，问题出在Jupyter内核；若输出异常，重新安装PyTorch：
     • 卸载现有版本：conda uninstall pytorch torchvision torchaudio
     • 清理conda缓存：conda clean -a
     • 重新执行安装命令：conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

• 检查显卡驱动兼容性
  CUDA 11.0要求最低显卡驱动版本为：Windows（450.36.06）、Linux（450.51.06）。执行nvidia-smi查看当前驱动版本，若低于要求，更新对应版本的NVIDIA显卡驱动。

内容的提问来源于stack exchange，提问作者Encipher