CUDA检测异常：运行DaGAN代码时GPU未被识别的求助

一、先定位问题根源 #

先运行以下代码确认PyTorch是否真的识别到GPU：

import torch
print(torch.cuda.is_available())
print(torch.cuda.device_count())
print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else "No GPU detected")

如果输出False，说明PyTorch确实没识别到GPU；如果输出True，那问题仅出在模型加载的代码逻辑上。

二、紧急修复：修改模型加载代码 #

报错明确指向demo.py第165行的torch.load调用，直接修改该行，让模型自动适配当前可用设备：
原代码：

loaded_dict_enc = torch.load('depth/models/weights_19/encoder.pth')

修改为：

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
loaded_dict_enc = torch.load('depth/models/weights_19/encoder.pth', map_location=device)

如果只想临时用CPU测试，也可以直接写：

loaded_dict_enc = torch.load('depth/models/weights_19/encoder.pth', map_location=torch.device('cpu'))

同时检查代码中其他torch.load的调用（比如加载主checkpoint的位置），统一加上map_location参数，避免重复报错。

三、排查GPU未被识别的深层原因 #

如果上面的测试代码输出False，按以下步骤排查：

• 检查NVIDIA驱动版本：需安装适配RTX2060且支持CUDA11.3的驱动（建议465.x及以上版本）
• 确认CUDA环境变量配置：
  • CUDA_PATH需指向C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
  • PATH中要加入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp
• 验证conda环境：激活目标环境后运行conda list，确认pytorch、torchvision版本带有cuda标识（比如pytorch 1.12.1 py3.8_cuda11.3_cudnn8_0）
• 重启电脑，确保环境变量生效后再次运行测试代码

四、关于开头的警告信息 #

开头的权重参数警告不影响核心功能，可忽略；若要消除，需修改torchvision相关调用，将weights参数改为None或官方提供的权重枚举值。

内容的提问来源于stack exchange，提问作者Breyan