PyTorch无法调用CUDA torch.cuda.is_available()返回False

问题表现 #

执行torch.cuda.is_available()返回False，无法调用GPU实现CUDA加速。
当前环境已安装组件参考：

排查步骤&对应解决方法 #

• 第一步：验证基础NVIDIA环境是否正常
  打开终端执行nvidia-smi，如果命令报错、无法输出显卡型号、驱动版本信息，说明显卡驱动未安装或损坏。直接去NVIDIA官网对应你的显卡型号下载安装正式版驱动，重启电脑后再重新验证。

  注意：nvidia-smi输出的CUDA Version是当前驱动支持的最高CUDA版本，只要该版本≥你安装的PyTorch绑定的CUDA版本就可以兼容，不需要额外单独安装全量CUDA Toolkit。

• 第二步：确认安装的PyTorch为CUDA版本而非CPU版本
  绝大多数场景下这个问题都是装错了PyTorch版本导致的：直接执行pip install torch默认拉取的是CPU编译版本，本身不带CUDA运行时，自然无法识别GPU。
  先执行以下命令彻底卸载现有CPU版本PyTorch相关包：

  pip uninstall torch torchvision torchaudio -y
  

  卸载完成后，根据你nvidia-smi显示的最高支持CUDA版本，安装对应CUDA编译版本的PyTorch即可，安装后版本号会带cu+版本号标识（例如2.2.0+cu121），不带该标识、带cpu标识的均为CPU版本。
• 第三步：排查环境冲突问题
  如果本地存在多个Python环境（系统Python、conda虚拟环境、venv虚拟环境等），先确认你运行代码的解释器环境，和你安装CUDA版PyTorch的环境是同一个。可以在当前运行代码的环境下执行以下命令验证PyTorch编译属性：

  import torch
  print(torch.__version__) # 输出版本号，带cu前缀才是CUDA版
  print(torch.version.cuda) # 输出绑定的CUDA版本，返回None就是CPU版
  

• 特殊场景排查
  • 确认你的显卡为NVIDIA支持CUDA的型号，AMD、Intel消费级显卡不支持CUDA加速
  • 如果使用WSL2环境，需要在Windows宿主机安装适配WSL的NVIDIA驱动，不要在WSL子系统内部单独安装普通Linux驱动
  • 如果是笔记本设备，检查系统是否把PyTorch相关进程默认分配给核显运行，在NVIDIA控制面板里把对应Python进程设置为高性能NVIDIA处理器运行

内容的提问来源于stack exchange，提问作者Ladan