nvcc可检测CUDA但Python无法识别，求解决方法

• 先验证Python侧的CUDA检测结果
  以PyTorch为例，运行以下代码确认核心信息：

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

  重点看torch.cuda.is_available()的返回值，以及输出的CUDA版本和系统nvcc --version的版本是否兼容（大版本需一致，比如系统CUDA是11.8，PyTorch需支持11.8版本）。

• 修复conda环境的环境变量隔离问题
  Miniconda默认会隔离系统环境变量，可能导致Python无法识别系统CUDA库。激活环境后手动添加系统CUDA路径：

  # Windows（假设系统CUDA安装在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8）
  set PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin;%PATH%
  set LD_LIBRARY_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64;%LD_LIBRARY_PATH%
  
  # Linux（假设系统CUDA安装在/usr/local/cuda-11.8）
  export PATH=/usr/local/cuda-11.8/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
  

  若添加后检测正常，可将命令写入环境激活脚本永久生效：

  • Windows：在conda环境的Scripts目录下创建activate.bat，加入上述set命令
  • Linux：在环境的etc/conda/activate.d目录下创建env_vars.sh，加入上述export命令

• 确认conda安装的cudatoolkit是否可被Python识别
  激活环境后先检查cudatoolkit是否存在：

  conda list cudatoolkit
  

  再用代码验证Python能否找到CUDA运行时库：

  import ctypes
  try:
      # Windows对应版本，比如CUDA11.0就是cudart64_110.dll，根据实际版本调整
      ctypes.CDLL('cudart64_118.dll')
      print("找到CUDA运行时库")
  except OSError:
      print("未找到CUDA运行时库")
  
  # Linux版本替换为libcudart.so.11.8
  

  若找不到，手动添加conda环境的CUDA库路径：

  import sys
  # Windows
  sys.path.append("<你的conda环境路径>/Library/bin")
  # Linux
  sys.path.append("<你的conda环境路径>/lib")
  

• 检查GPU驱动与CUDA版本的兼容性
  运行nvidia-smi查看当前GPU驱动版本，对比NVIDIA官方的CUDA-驱动兼容表：CUDA版本必须对应不低于最低要求的驱动版本（比如CUDA11.8需要驱动≥450.80.02）。若驱动版本过低，升级到对应版本。

• 重新确认PyTorch安装的正确性
  确保安装PyTorch时使用匹配CUDA版本的官方命令，比如针对CUDA11.8：

  conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
  

  避免混合pip和conda安装，防止版本冲突。

• 检查nvcc路径的优先级
  激活conda环境后，运行where nvcc（Windows）或which nvcc（Linux），确认输出的是系统CUDA的路径还是conda环境内的nvcc。若为conda内的版本且与系统不匹配，可临时将系统CUDA路径调整为环境变量优先。

内容的提问来源于stack exchange，提问作者Ahmed Hamouda