Windows11下MMDetection3D环境验证报错：torch._C无_cuda_setDevice属性

问题场景 #

在Windows11系统中，通过Miniconda创建并激活conda环境，使用MIM安装PyTorch及MMEngine、MMCV、MMDetection、MMDetection3D等依赖包，成功下载PointPillars的配置与权重文件后，运行验证代码时触发该错误，错误源于torch.cuda.set_device调用失败。

解决方案 #

1. 验证PyTorch的CUDA支持状态 #

先确认当前环境的PyTorch是否启用CUDA支持：

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

如果输出False，说明安装的是CPU版本PyTorch，这是导致错误的核心原因。

2. 重新安装带CUDA的PyTorch版本 #

根据MMDetection3D的版本要求，选择兼容的PyTorch与CUDA组合（例如PyTorch 2.0 + CUDA 11.7），使用MIM重新安装：

mim install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

安装完成后再次运行torch.cuda.is_available()确认是否返回True。

3. 无GPU时强制使用CPU运行 #

如果没有NVIDIA GPU，修改验证代码，在init_model中指定device='cpu'：

from mmdet3d.apis import init_model, inference_detector

config_file = 'pointpillars_hv_secfpn_8xb6-160e_kitti-3d-car.py'
checkpoint_file = 'hv_pointpillars_secfpn_6x8_160e_kitti-3d-car_20220331_134606-d42d15ed.pth'
# 强制使用CPU
model = init_model(config_file, checkpoint_file, device='cpu')
inference_detector(model, 'demo/data/kitti/000008.bin')

注意：部分3D检测模型在CPU上可能存在功能限制或运行缓慢。

4. 检查系统CUDA环境配置 #

若已安装CUDA但PyTorch无法识别，检查系统环境变量：

• 确认CUDA_PATH已指向正确的CUDA安装目录（例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7）
• 在conda终端运行nvcc -V，确认能输出CUDA版本信息，若无法输出需将CUDA的bin目录添加到系统PATH中

内容的提问来源于stack exchange，提问作者Hatem MEHAI