CUDA与Torch报错：无法识别GPU，求根源排查及GPU启用方案

核心问题 #

你遇到的是PyTorch无法识别CUDA设备的情况：虽然CUDA Toolkit 11.5已安装且nvcc命令正常，但torch.cuda.is_available()返回False，导致只能依赖CPU运行程序。

排查与解决步骤 #

1. 检查PyTorch与CUDA版本的兼容性 #

nvcc显示的是CUDA Toolkit版本，但PyTorch必须是针对对应CUDA版本编译的版本才能调用GPU。

• 运行以下代码查看PyTorch的CUDA版本：

  import torch
  print(torch.version.cuda)
  

  如果输出None，说明你安装的是CPU版PyTorch，需卸载后重新安装适配CUDA11.5的版本。
• 重装命令示例（根据系统选择）：
  • Windows/Linux pip安装：

    pip uninstall torch torchvision torchaudio
    pip install torch==1.12.1+cu115 torchvision==0.13.1+cu115 torchaudio==0.12.1
    

  • Conda安装：

    conda uninstall torch torchvision torchaudio
    conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.5 -c pytorch
    

2. 验证NVIDIA驱动版本是否达标 #

RTX 3050 Ti Mobile搭配CUDA11.5，要求NVIDIA驱动版本至少为495.29.05。

• 运行命令查看当前驱动版本：

  nvidia-smi
  

  如果驱动版本低于要求，直接去NVIDIA官网下载对应移动显卡的最新驱动安装即可。

3. 检查CUDA环境变量配置 #

确保CUDA的路径已添加到系统环境变量：

• Windows系统：
  在系统环境变量的PATH中新增：
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\libnvvp
    添加后重启电脑生效。
• Linux系统：
  在~/.bashrc或~/.zshrc中添加：

  export PATH=/usr/local/cuda-11.5/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-11.5/lib64:$LD_LIBRARY_PATH
  

  执行source ~/.bashrc（或对应配置文件）生效。

4. 测试CUDA可用性 #

完成上述步骤后，运行以下代码验证配置：

import torch
print("CUDA可用:", torch.cuda.is_available())
print("GPU数量:", torch.cuda.device_count())
if torch.cuda.is_available():
    print("GPU名称:", torch.cuda.get_device_name(0))

如果输出CUDA可用: True及对应GPU名称，说明配置成功，此时你的设备选择代码即可正常启用GPU加速。

额外注意（笔记本双显卡场景） #

如果你的笔记本是集成显卡+独立显卡的组合，需确保系统默认使用NVIDIA独立显卡：

• Windows：打开NVIDIA控制面板→管理3D设置→全局设置，选择“高性能NVIDIA处理器”。
• Linux：通过prime-select nvidia命令切换到NVIDIA显卡（需提前安装nvidia-prime工具）。

内容的提问来源于stack exchange，提问作者whitek