Ubuntu 20.04下PyTorch无法调用CUDA及相关问题咨询

问题1：安装NVIDIA驱动后是否需要重新安装PyTorch？ #

通常不需要仅因安装/更新NVIDIA驱动而重新安装PyTorch，但如果是先安装了PyTorch，之后升级或更换了系统的CUDA版本（比如你当前使用的CUDA 12.1，与当初安装PyTorch时适配的CUDA版本不兼容），则需要重新安装适配当前CUDA版本的PyTorch包。

你的场景中，系统CUDA版本为12.1，需确认最初安装的PyTorch是否支持该版本——若使用pip/conda安装的预编译PyTorch，部分旧版本可能尚未适配CUDA 12.1，这种情况下必须重装对应版本的PyTorch。

问题2：PyTorch是否存在含CUDA版本和不含CUDA版本的区别？ #

是的，PyTorch有明确的版本区分：

• 纯CPU版本：仅支持CPU计算，不包含CUDA相关依赖库，无法调用NVIDIA GPU。安装时需指定对应参数（如conda安装时使用cpuonly通道，pip安装时选择无CUDA标识的包）。
• CUDA版本：包含适配特定CUDA版本的GPU加速库，可调用NVIDIA GPU进行并行计算。安装时需指定匹配系统CUDA版本的参数（如pip安装torch==2.1.0+cu121，或conda安装时选择带对应CUDA版本标识的包）。

针对当前场景的额外排查建议 #

• 验证PyTorch适配的CUDA版本：运行以下命令查看当前PyTorch绑定的CUDA版本

  python3 -c "import torch; print(torch.version.cuda)"
  

  若输出版本低于12.1，说明你安装的PyTorch不兼容当前系统CUDA版本，需重装适配CUDA 12.1的PyTorch。
• 检查环境变量配置：确保CUDA_HOME和LD_LIBRARY_PATH指向正确的CUDA安装路径

  echo $CUDA_HOME
  echo $LD_LIBRARY_PATH
  

  若未正确设置，可临时在终端执行以下命令（如需永久生效可添加到~/.bashrc或~/.zshrc）：

  export CUDA_HOME=/usr/local/cuda-12
  export LD_LIBRARY_PATH=/usr/local/cuda-12/lib64:$LD_LIBRARY_PATH
  

内容的提问来源于stack exchange，提问作者Robber Pen