两个同版本torch的conda环境中torch.cuda.is_available返回结果不同的原因

• CUDA依赖环境变量未配置：PyPI版的Torch 1.6.0依赖系统已安装的对应CUDA Toolkit，且需要环境变量正确指向CUDA的核心目录。其中一个环境激活时，终端自动加载了PATH、LD_LIBRARY_PATH等变量指向CUDA的bin和lib文件夹；另一个环境未配置这些变量，导致Torch无法找到CUDA驱动文件。
• CUDA版本与Torch不兼容：Torch 1.6.0仅支持CUDA 10.1和10.2版本。如果其中一个环境启动时，终端默认关联的CUDA版本不在此范围内（比如用了CUDA 11.x），就会导致torch.cuda.is_available()返回False。
• 安装时自动选择了CPU-only版本：PyPI安装Torch时，会根据当前系统的CUDA环境自动判断是否安装带CUDA支持的版本。若安装某环境时系统无CUDA环境，Torch会默认安装纯CPU版本——虽然conda list显示版本号都是1.6.0，但底层缺少CUDA支持组件。可以在环境中执行print(torch.version.cuda)验证，返回None的就是CPU版。
• 显卡驱动版本不达标：Torch 1.6.0对显卡驱动版本有要求（如搭配CUDA 10.1需要驱动≥418.39）。两个环境可能因终端配置、虚拟化等原因调用了不同版本的显卡驱动，驱动版本不足的环境会导致CUDA不可用。

内容的提问来源于stack exchange，提问作者user3731622