参考原文链接:https://blog.csdn.net/xiaod00000000000/article/details/138301792
CUDA和PyTorch不兼容的问题通常出现在两个方面:CUDA版本与PyTorch要求的版本不匹配,或者系统环境配置出现了问题。
检查CUDA和PyTorch版本:
确保你安装的PyTorch版本与你的CUDA版本兼容。你可以在PyTorch官方网站上查看PyTorch与CUDA的兼容性列表,选择一个兼容的PyTorch版本。
如果你已经安装了不兼容的PyTorch版本,可以考虑升级或降级PyTorch。
更新CUDA驱动程序:
确保你的CUDA驱动程序是最新版本。你可以从NVIDIA官方网站下载并安装最新的CUDA驱动程序。
安装正确的cuDNN:
PyTorch需要与你的CUDA版本兼容的cuDNN。确保你安装了正确版本的cuDNN,并且配置了正确的环境变量。
检查系统环境变量:
确保你已正确配置CUDA和cuDNN的环境变量。你可以通过在命令行中输入echo $PATH和echo $LD_LIBRARY_PATH来检查环境变量是否设置正确。
重新安装PyTorch:
如果上述方法都没有解决问题,可以尝试重新安装PyTorch。使用适当的conda或pip命令来安装PyTorch,确保你选择的版本与CUDA兼容。
更新显卡驱动程序:
确保你的显卡驱动程序是最新版本。有时候显卡驱动程序的问题也可能导致CUDA和PyTorch不兼容。
查看错误信息:
如果在使用PyTorch时遇到了CUDA相关的错误信息,务必查看完整的错误信息。有时候错误信息可以提供有用的线索,帮助解决问题。
Problem Solving(问题解决方法):
cuda和pytorch不兼容,多半是版本不匹配,可以通过官网查得下载的cuda版本的pytorch。
例如cuda版本为11.3,通过网上查的匹配的pytorch版本应为1.8~1.9.
操作如下:
torch.tensor(data,device='cuda')
//报错
然后查看pytorch与cuda是否兼容
print(torch.cuda.is_available())
//输出False
再查看pytorch的版本
print(torch.__version__)
发现为1.6,版本过低进入anaconda prompt 更新 pytorch
activate pytoch #激活创建的虚拟环境pytorch
conda update pytorch torchvision
更新完的版本为1.72(使用淘宝镜像网站可能版本没有最新),但也能与cuda11.0兼容
输入:
print(torch.cuda,is_available())
//true
返回Ture OK问题解决!
————————————————
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
原文链接:https://blog.csdn.net/xiaod00000000000/article/details/138301792