Torch.cuda.is_available()返回False，GPU无法用于深度学习训练

从你的环境信息中可以定位到几个核心问题：

• Conda安装的PyTorch是CPU专属版本（pytorch 2.0.0 py3.10_cpu_0 pytorch），这直接导致GPU无法被调用
• 同时存在Conda和Pip安装的PyTorch包，版本冲突（Conda的pytorch 2.0.0与Pip的torch 2.0.0共存）
• CUDA Toolkit版本不匹配：Conda环境中的cudatoolkit是11.3，但你指定安装的pytorch-cuda是11.8

步骤1：彻底卸载现有冲突包 #

先清理所有PyTorch相关组件，避免版本混乱：

Conda卸载命令：

conda remove pytorch torchvision torchaudio pytorch-cuda pytorch-mutex -y

Pip卸载命令：

pip uninstall torch torchvision torchaudio -y

步骤2：重新安装适配CUDA 11.8的PyTorch #

确保环境干净后，执行官方指定的安装命令：

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

注意：安装完成后不要用Pip重复安装PyTorch相关包，防止再次出现版本冲突。

步骤3：验证安装结果 #

打开Python终端，运行以下代码检查：

import torch
print(torch.cuda.is_available())
print(torch.cuda.device_count())
print(torch.cuda.get_device_name(0))

如果输出True、设备数量1，以及你的NVIDIA GeForce RTX 4070 Laptop GPU名称，说明GPU调用正常。

额外检查项 #

• 你的NVIDIA驱动版本531.61完全支持CUDA 11.8，无需更新
• 确认当前激活的是base环境（或你正在使用的目标环境）
• 关闭其他占用GPU的程序（如NVIDIA后台进程、其他深度学习框架），避免资源抢占

内容的提问来源于stack exchange，提问作者Jiale Hao