训练YOLOv7时CUDA不可用，Visual Studio无法识别已安装的CUDA 11.3

第一步：验证CUDA系统环境是否正常 #

• 打开命令提示符，执行nvcc -V，查看是否能输出CUDA 11.3的版本信息。如果无输出或版本不符：
  • 检查系统环境变量：确认CUDA_PATH、CUDA_PATH_V11_3已添加到系统变量，且%CUDA_PATH%\bin在Path变量的最前端位置
  • 重启命令提示符后再次执行nvcc -V验证

第二步：修复Visual Studio识别CUDA的问题 #

• 确认VS版本兼容性：CUDA 11.3仅支持VS2017（15.5及以上版本）、VS2019（16.0及以上版本），若VS版本过低需升级
• 重新安装CUDA时选择自定义安装，务必勾选「Visual Studio Integration」组件
• 若已安装CUDA，手动配置VS路径：
  1. 打开VS，依次点击工具→选项→项目和解决方案→VC++目录
  2. 在「包含目录」中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
  3. 在「库目录」中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
  4. 进入链接器→输入，在「附加依赖项」中添加cudart.lib、cublas.lib等核心CUDA库，或直接添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64\*.lib

第三步：匹配PyTorch与CUDA版本 #

• 卸载当前PyTorch，安装适配CUDA 11.3的版本：

  pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1
  

  （注：若pip无法检索到对应包，可从PyTorch官方渠道获取适配CUDA 11.3的安装命令）
• 安装完成后在Python环境中执行以下代码验证：

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

  需确保输出为True和11.3

第四步：重新启动训练 #

• 重启命令提示符或开发环境，重新运行train.py，指定设备参数为0或让程序自动检测设备

内容的提问来源于stack exchange，提问作者Partap