Win10下如何让Conda环境识别GPU 解决torch.cuda.is_available()返回false问题

前置检查 #

• 确认你的设备搭载支持CUDA的NVIDIA独立显卡，AMD显卡、Intel核显不支持CUDA加速，无法通过下述方法配置
• 确认NVIDIA显卡驱动版本满足要求：桌面右键打开「NVIDIA控制面板」- 左下角「系统信息」查看驱动版本，驱动版本≥452.39支持CUDA11.x，≥527.41支持CUDA12.x，驱动版本不够先更新对应显卡的正式版驱动，不需要单独安装完整CUDA Toolkit，PyTorch会自带适配版本的CUDA运行时。
• 如果你是用WSL模拟Linux环境，需要额外安装WSL专属的NVIDIA驱动，且必须在WSL终端内安装Linux版本PyTorch，Windows端Anaconda安装的包无法在WSL环境内正常调用GPU。

清理错误安装的残留包 #

绝大多数torch.cuda.is_available()返回False的问题都是因为误装了CPU版本的PyTorch，先彻底清理残留：

1. 打开Anaconda Prompt，激活你使用的conda环境：
   conda activate 你的目标环境名称，如果直接使用base环境可跳过该步骤
2. 执行卸载命令清除所有PyTorch相关包：

conda uninstall pytorch torchvision torchaudio pytorch-cuda -y
pip uninstall torch torchvision torchaudio -y

3. 执行conda list | findstr torch检查残留，如果输出结果里还有torch相关包，逐个执行卸载命令删干净，直到查询无结果为止。

正确安装GPU版PyTorch #

清理完成后直接执行对应版本的安装命令，优先选兼容性更好的CUDA11.8或12.1稳定版：

• CUDA11.8版本安装命令：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

• CUDA12.1版本安装命令：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

安装前注意看终端列出的待安装包清单：如果pytorch包名后缀带cpu标识，说明当前命令会安装CPU版本，直接输入n终止安装，检查命令拼写是否正确、conda源是否配置正常。

验证配置结果 #

安装完成后不要关闭Anaconda Prompt，保持目标环境激活状态，执行python进入交互解释器，依次运行以下代码：

import torch
print(torch.version.cuda)
print(torch.cuda.is_available())

• 如果第一行输出对应CUDA版本号（不是None），第二行返回True，说明GPU已经可以被正常识别调用。
• 如果还是返回False，去Windows系统「设置-系统-显示-图形设置」，给你当前用的python、Anaconda程序手动指定「高性能NVIDIA处理器」运行，重启终端再验证即可。

常见避坑点 #

• 不要安装和PyTorch自带CUDA版本不匹配的全局CUDA Toolkit，容易引发环境变量冲突
• 不要直接用pip install torch默认命令安装，默认源推送的是CPU版本，一定会识别不到GPU
• 不要混用conda和pip安装PyTorch相关依赖，容易出现版本不兼容问题

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