PyTorch安装正常但无法识别NVIDIA GPU，求问题排查方案

• 确认conda环境激活状态
  执行验证代码前，务必确保激活了安装PyTorch的OpenCV专属conda环境。可以通过conda info --envs查看当前激活环境，终端前缀会显示环境名称，避免误用到base或其他环境的CPU版PyTorch。

• 验证CUDA工具包安装有效性
  在激活的环境中运行nvcc --version，检查输出的CUDA版本是否为11.6。若提示命令不存在，说明cudatoolkit未正确安装，或环境变量未配置：

  • Win10系统需检查CUDA_PATH环境变量，确保其指向conda环境内的cudatoolkit路径（例如C:\Users\你的用户名\.conda\envs\你的环境名\Library）。

• 检查PyTorch版本与CUDA的匹配性
  执行以下代码确认PyTorch关联的CUDA版本：

  import torch
  print(torch.version.cuda)
  

  若输出为None或非11.6版本，说明安装的是CPU版PyTorch。建议重新执行安装命令时去掉-c conda-forge，仅保留-c pytorch，避免源冲突导致安装错误版本。

• 确认显卡驱动兼容性
  CUDA 11.6要求Win10系统的NVIDIA驱动版本≥511.79。可通过NVIDIA控制面板的「帮助→系统信息」或nvidia-smi命令查看当前驱动版本，若版本不足需升级至对应要求的驱动。

• 调整系统PATH环境变量优先级
  将conda环境内的CUDA相关路径（如你的conda环境路径\Library\bin、你的conda环境路径\Library\lib\nvidia）移至系统PATH环境变量的最顶端，避免系统中旧版本CUDA组件干扰。

• 重启环境生效配置
  安装或修改环境变量后，重启终端及Python解释器，再重新执行验证代码。

内容的提问来源于stack exchange，提问作者DrBwts