指定CUDA版本却安装PyTorch CPU版的原因及正确安装方法

执行以下命令安装PyTorch：

conda install -y -c pytorch -c conda-forge cudatoolkit=11.1 pytorch torchvision torchaudio

但测试CUDA可用性时报错：

(base) brando9~ $ python -c "import torch; print(torch.__version__); print((torch.randn(2, 4).cuda() @ torch.randn(4, 1).cuda()))"

1.13.1
Traceback (most recent call last):
  File "<string>", line 1, in <module>
  File "/lfs/ampere4/0/brando9/miniconda/lib/python3.10/site-packages/torch/cuda/__init__.py", line 221, in _lazy_init
    raise AssertionError("Torch not compiled with CUDA enabled")
AssertionError: Torch not compiled with CUDA enabled

查看conda list发现实际安装的是CPU版本的PyTorch：

pytorch                   1.13.1             py3.10_cpu_0    pytorch
pytorch-mutex             1.0                         cpu    pytorch
torchaudio                0.13.1                py310_cpu    pytorch
torchvision               0.14.1                py310_cpu    pytorch

1. 依赖解析优先级问题：仅指定cudatoolkit=11.1时，conda可能因通道优先级、现有环境的依赖冲突，默认选择兼容性更强的CPU版本PyTorch，而非匹配CUDA 11.1的GPU版本。
2. 未明确指定PyTorch的CUDA版本：PyTorch的conda包分为CPU和多个CUDA分支，若未通过build标签或关联包明确指定GPU版本，conda会优先选择CPU包。

1. 清理现有CPU版本（可选但推荐） #

先卸载已安装的CPU版PyTorch相关包：

conda remove -y pytorch torchvision torchaudio pytorch-mutex

2. 创建独立环境（避免环境冲突） #

新建conda环境隔离依赖，防止与现有环境产生冲突：

conda create -n pytorch113_cuda111 python=3.10 -y
conda activate pytorch113_cuda111

3. 安装指定版本的GPU版PyTorch #

通过两种方式明确指定GPU版本：

方法一：指定build标签

直接匹配对应CUDA版本的包标签：

conda install -y -c pytorch -c conda-forge cudatoolkit=11.1 pytorch=1.13.1=cuda111* torchvision=0.14.1=cuda111* torchaudio=0.13.1=cuda111*

方法二：使用pytorch-cuda包关联

通过pytorch-cuda自动匹配对应CUDA版本的依赖：

conda install -y -c pytorch -c conda-forge pytorch=1.13.1 torchvision=0.14.1 torchaudio=0.13.1 pytorch-cuda=11.1

4. 验证安装 #

执行以下命令确认CUDA可用：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.randn(2,4).cuda() @ torch.randn(4,1).cuda())"

若输出True及GPU张量结果，则安装成功。

内容的提问来源于stack exchange，提问作者Charlie Parker