MacBook Pro M2：TensorFlow可检测GPU但PyTorch不行，如何修复？

排查步骤与修复方案： #

• 确认PyTorch安装版本类型
  先运行以下代码检查当前PyTorch是否支持CUDA：

  import torch
  print(torch.version.cuda)
  

  如果输出为None或空值，说明你安装的是CPU版本的PyTorch，这是导致无法检测GPU的核心原因。

• 匹配CUDA版本重新安装PyTorch

  1. 先查看本地CUDA版本：
     • 打开终端输入nvidia-smi，查看右上角的CUDA Version（这是GPU驱动支持的最高CUDA版本）；再输入nvcc -V查看系统实际安装的CUDA编译版本，选择二者中较低的版本作为匹配依据。
     • 由于TensorFlow能正常识别GPU，说明你的CUDA环境配置是正常的，只需安装对应版本的PyTorch包。
  2. 执行对应版本的安装命令（将cuXXX替换为你的CUDA版本，比如cu117、cu118）：

     pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
     

     若pip默认源无法找到对应CUDA版本的包，可直接从PyTorch官方提供的对应版本安装包进行安装。

• 检查环境变量配置
  确保CUDA相关路径已添加到系统环境变量：

  • Linux：在终端执行（替换X.X为你的CUDA版本号）：

    export PATH=/usr/local/cuda/X.X/bin:$PATH
    export LD_LIBRARY_PATH=/usr/local/cuda/X.X/lib64:$LD_LIBRARY_PATH
    

    可将上述命令添加到~/.bashrc或~/.zshrc文件中，实现环境变量永久生效。
  • Windows：打开系统环境变量设置界面，将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\libnvvp添加到系统PATH变量中。

• 验证修复结果
  重新打开终端或命令行窗口，运行以下代码确认修复效果：

  import torch
  print(torch.cuda.is_available())  # 正常修复后应输出True
  print(torch.cuda.device_count())  # 输出当前可用的GPU数量
  print(torch.cuda.get_device_name(0))  # 输出第一块GPU的型号
  

内容的提问来源于stack exchange，提问作者jeanluc