Ubuntu下torch.cuda.is_available() 返回 False情况

---

---

问题描述

在 xxx1 环境中，PyTorch 能够检测到 CUDA，而在 xxx2 环境中检测不到。出现这种情况通常是因为这两个环境中的 PyTorch 或者 CUDA 安装配置不同，导致一个环境可以正确使用 GPU，而另一个环境无法识别 GPU。

具体情况如下

(xxx1) root@server-4:~$ python
Python 3.11.7 (main, Dec 15 2023, 18:12:31) [GCC 11.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
2.4.0
>>> print(torch.version.cuda)
12.1
>>> print(torch.cuda.is_available())
True
>>> 

(xxx2) root@server-4:~$ python -c "import torch; print(torch.cuda.is_available())"
False

---

解决方法

1.检查 xxx2 环境中的 PyTorch 和 CUDA 版本

首先，在 xxx2 环境中，检查当前安装的 PyTorch 版本和是否支持 CUDA：

python -c "import torch; print(torch.__version__)"
python -c "import torch; print(torch.version.cuda)"
python -c "import torch; print(torch.cuda.is_available())"

如果 torch.version.cuda 返回 None，说明该环境中的 PyTorch 不支持 CUDA。你需要重新安装支持 CUDA 的 PyTorch 版本。

2.安装支持 CUDA 的 PyTorch 版本

如果 xxx2 环境中的 PyTorch 不支持 CUDA，你可以使用 conda 或 pip 重新安装支持 CUDA 的版本。

先卸载当前的 PyTorch：

conda uninstall pytorch torchvision torchaudio

然后重新安装支持 CUDA 12.1 的 PyTorch：

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

3.确保环境变量配置正确

你可以在 xxx2 环境中检查 LD_LIBRARY_PATH，确保 CUDA 库路径正确配置：

echo $LD_LIBRARY_PATH

它应该指向 /usr/local/cuda/lib64，例如：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

有些情况下会有多个CUDA版本冲突

比如你的环境中同时有多个 CUDA 库路径 (/usr/local/cuda 和 /home//data/qiqi/cuda12.1/lib64)，这可能导致冲突。
你可以尝试移除或调整环境变量：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64

然后再次检查 PyTorch 是否能够检测到 CUDA：

python -c "import torch; print(torch.cuda.is_available())"

4.确保 Python 环境路径正确

确保你在 xxx2 环境中使用的 Python 解释器是该环境下的，并且与安装的 PyTorch 和 CUDA 兼容。你可以运行以下命令来确认 Python 路径是否指向当前的 xxx2 环境：

which python

它应该指向类似 /home/root/anaconda3/envs/xxx2/bin/python 的路径。

总结：

• 重新安装 xxx2 环境中的 PyTorch，确保它支持 CUDA。
• 确保 LD_LIBRARY_PATH 设置正确并且指向/usr/local/cuda/lib64。
• 检查 Python 路径是否正确指向 xxx2 环境。