PyTorch CUDA安装后torch.cuda.is_available()返回False求助

故障排查步骤 #

• 检查NVIDIA驱动兼容性
  打开命令提示符或Anaconda Prompt，执行nvidia-smi命令，查看输出里的「Driver Version」和「CUDA Version」。RTX 3050 Ti Laptop GPU适配CUDA 11.7需要驱动版本至少为457.30（移动版），如果驱动版本不达标，直接去NVIDIA官网下载对应笔记本型号的最新驱动安装。

• 确认Conda环境包版本匹配
  在Anaconda Prompt中激活目标环境（conda activate 你的环境名），执行conda list查看包列表：

  • 确保没有cpuonly包，否则说明装的是CPU版PyTorch；
  • 核对pytorch、pytorch-cuda、torchvision版本是否匹配（比如pytorch-cuda=11.7对应pytorch 1.13.x或2.x系列）。

• 验证PyCharm解释器配置
  打开PyCharm，依次进入File > Settings > Project: [你的项目名] > Python Interpreter：

  • 确认选中的解释器路径是你安装PyTorch的Conda环境（例如Anaconda3\envs\你的环境名\python.exe）；
  • 在已安装包列表里找到pytorch，确认版本和环境中一致，且带有cuda标识（而非cpu）。

• 检查系统环境变量
  右键「此电脑」>「属性」>「高级系统设置」>「环境变量」，在系统PATH中确认包含以下路径（以CUDA 11.7为例）：

  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp
  • C:\Windows\System32（确保NVIDIA驱动相关动态库能被加载）

其他验证安装正确性的方法 #

除了torch.cuda.is_available()，还可以通过以下代码验证：

1. 查看PyTorch绑定的CUDA版本：

import torch
print(torch.version.cuda)

2. 检测GPU设备数量：

print(torch.cuda.device_count())

3. 查看GPU设备名称：

print(torch.cuda.get_device_name(0))

4. 执行CUDA张量运算测试：

test_tensor = torch.tensor([1.0, 2.0, 3.0]).cuda()
print(test_tensor)
print(test_tensor.device)

若以上代码能正常输出，且张量设备显示为cuda:0，说明CUDA已正常工作。

内容的提问来源于stack exchange，提问作者AnealB