通过environment.yml在Conda环境安装GPU版PyTorch失败如何解决？

问题原因 #

核心是Conda的通道优先级规则导致安装了CPU版本的PyTorch：

• Conda搜索包时严格遵循environment.yml中channels列表的从上到下顺序，排位越靠前的通道优先级越高。你的配置中conda-forge通道排在最前，会优先从conda-forge拉取pytorch包，而conda-forge源的pytorch默认是CPU编译版本，即便配套安装了cudatoolkit也不会启用CUDA支持。
• 手动执行安装命令时指定了-c pytorch -c nvidia，此时pytorch官方通道优先级高于conda-forge，会拉取pytorch官方预编译的、匹配对应cudatoolkit版本的CUDA支持版PyTorch，因此功能正常。

修复方案 #

方案1：调整通道顺序 #

将pytorch、nvidia通道移到conda-forge之前，保证优先从官方源拉取PyTorch：

name: foo
channels:
  - pytorch
  - nvidia
  - conda-forge
dependencies:
  - cudatoolkit=11.1
  - python=3.8
  - pytorch

方案2：指定PyTorch的来源通道 #

如果不想调整全局通道优先级，可直接在依赖项中指定pytorch从官方通道安装：

name: foo
channels:
  - conda-forge
  - nvidia
  - pytorch
dependencies:
  - cudatoolkit=11.1
  - python=3.8
  - pytorch::pytorch

验证方式 #

环境安装完成后，执行以下命令验证CUDA是否正常启用：

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

输出为True即代表配置生效。

内容的提问来源于stack exchange，提问作者JDRomano2