Windows 下，torch.cuda.is_available()和tf.test.is_gpu_available()返回false

最新推荐文章于 2024-04-05 12:11:38 发布

FaceGen_Learner

最新推荐文章于 2024-04-05 12:11:38 发布

阅读量1.7k

点赞数 1

分类专栏：环境文章标签：深度学习 tensorflow pytorch cuda

本文链接：https://blog.csdn.net/holasyb/article/details/113360073

版权

博主分享了在为新电脑配置深度学习环境时，遇到CUDA版本与TensorFlow、PyTorch不兼容的问题。通过理解驱动API与运行时API的区别，发现驱动API11.0与运行时API10.2的不匹配导致调用GPU失败。最终，通过降级CUDA版本到11.0并配合合适的CUDNN，解决了问题，确保了GPU的正常使用。

摘要由CSDN通过智能技术生成

最近在给新的电脑配置深度学习环境，找了个不是特别新CUDA（担心未适配）版本来安排，安装CUDA和CUDNN都正常，测试nvcc -V 和执行C:\Users\ps\Downloads\cudnn-11.2-windows-x64-v8.1.0.77\cuda文件下的两个exe，bandwidthTest.exe和deviceQuery.exe时，都是test pass。
但是，安装torch 1.7 和tensorflow2后，测试是否能调用GPU失败了，经过将近一天的各种尝试，解决了这个问题。
问题表现之一：
Windows 下，torch.cuda.is_available()和tf.test.is_gpu_available()返回false

问题表现之二：nvidia-smi查看cuda版本是11.0，nvcc -V显示版本是10.2，本情况解释：

CUDA 有两种API，分别是 运行时API和 驱动API，即Runtime API 和 Driver API。
nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API的型号。
而nvcc的结果是对应 CUDA Runtime API。
我的驱动API是11.0，运行时API是10.2

看到网上提供的解决方案，说的最多的是驱动API要高于等于运行时API，然后我寻思我的情况也符合。
后来会不会是10.2还是没适配，就尝试了降级CUDA版本，分别尝试了10.0,10.1等，均失败。
对，然后就寻思大胆尝试一下11.0版本好了，然后就好了。
结论1：