PyTorch安装CUDA标准流程（可解决大部分GPU无法使用问题）

最近一段时间在研究PyTorch中的GPU的使用方法，之前曾经安装过CUDA，不过在PyTorch中调用CUDA时无法使用。考虑到是版本不兼容问题，卸载后尝试了其他的版本，依旧没有能解决问题，指导查阅了很多资料后才找到了解决方案。

这里假设您使用的是Nvidia显卡并且您已经安装了conda，并在conda在创建了一个环境，在环境中已经安装PyTorch相关包等，conda在深度学习研究中能够很好的解决一些Python之间的版本兼容问题。

我们先输入以下命令查看相关信息：

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

得到信息如下：

2.3.1+CPU
False
None

 表示目前无可用GPU，我们需要重新安装正确版本的CUDA，确保GPU能够正常使用

这里要记住PyTorch版本是2.3.1（以自己安装的Pytorch为准），后面需要用到

1、卸载之前安装的CUDA（如未安装则跳过）

CUDA安装时一般有很多组件在同一时间安装，卸载时注意卸载干净，防止之后安装出现报错

2、查看GPU驱动相关信息

GPU驱动一般在最初装机时已经安装好，只需查看其版本号，之后安装CUDA的版本号<=GPU驱动版本号

在Python中输入

!nvidia-smi

查看相关信息

可以看到 CUDA Version 12.5 之后安装的CUDA版本要<=12.5,避免出现不兼容问题

其他信息如下所示：

3、查询兼容的CUDA

我们访问PyTorch官网：Previous PyTorch Versions | PyTorch

根据我们的PyTorch版本号查询对应的CUDA，我的是V2.3.1

 

可以看到 PyTorch v2.3.1支持CUDA 11.8 和 12.1，这里我选择11.8

在安装前，现在Conda中执行 安装11.8所需的python包

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia

如安装失败，请考虑降低Python版本并重新安装或者无视即可

4、下载并安装CUDA

 我们访问：https://developer.nvidia.com/cuda-toolkit-archive

查询CUDA历史版本

选择CUDA 11.8，下载即可

安装CUDA

安装一般选择精简模式即可，其余随意

安装完成后在cmd中输入NVCC -V 查看安装情况

可以看到 CUDA 11.8成功安装到电脑上

5、查看GPU是否可用

在Python中再次输入以下命令，查看GPU情况

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

可以看到GPU可以正常使用了！

6、使用时产生的一些问题

在进行深度学习研究时，经常要安装一些python包，例如：pytorch，mxnet，d2l等，使用conda或pip下载时经常报错，这种情况往往是python版本太高导致的，请尝试降低python版本或者去官网上查询所下载包对应的最高python版本。python降级后，一些包的版本也可能会随之降级，进而需要CUDA重新安装选择正确的版本。