torch.cuda.is_available()返回false，简单解决方案

已于 2022-10-22 14:47:42 修改
阅读量474 收藏
点赞数
分类专栏： 学习中遇到的疑惑 文章标签： pytorch 深度学习 python
于 2022-10-22 14:46:31 首次发布
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。
本文链接：https://blog.csdn.net/m0_50470502/article/details/127461647
版权

pytorch安装注意事项

cuda和cuDNN都安装正确，pytorch也安装成功，但是导入torch使用torch.cuda.is_available()老是返回false，查了一堆博客，发现大概是清华源的问题，在pytorch用清华源下载到的是cpu的版本，参考这位博主，这里
后来发现不用那么麻烦，下错了卸载就行了，只是后续不需要用pip下载
因为我是在虚拟环境下的，直接

conda remove -n your_env_name --all

删除环境重新创建就行了
到下载pytorch这步
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
有个疑问这个版本对应的是什么，自己后面也没去深究，有知道的可以说一下
在这里插入图片描述

爱在黄昏日落时
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
torch.cuda.is_available()返回false最终解决方案
qq_45679015的博客
01-14 1247
1.把python版本从3.8降到3.6 2.右击任务管理器--->性能--->可以查看对应的GPU（一个是CPU自带的，另一个是英伟达的） 【英伟达支持CUDA,如果仅有CPU自带的选CPU版】 3.在终端查看显卡情况，执行 nvidia-smi 命令 ---如果显示“nvidia-smi不是可执行的命令”，去设置环境变量，记住NVSMI文件夹的路径C:\Program Files\NVIDIA Corporation\NVSMI ，nvidia-smi命令即可执行..
无法调用自己电脑的gpu，即torch.cuda.is_available()返回false
qq_36521174的博客
03-22 7953
python import torch print(torch.__version__) 居然是+cpu，明明自己下载的是gpu版本 1.9.1+cpu 搜寻了一圈从该博主下找到了答案如图：(23条消息) torch.cuda.is_available()返回false——解决办法_Nefu_lyh的博客-CSDN博客_torch.cuda.is_available 那么接下来按博主的方法卸载torch：因为我是在虚拟环
解决torch.cuda.is_available()返回False
qq_45920294的博客
10-09 720
但是我发现找不到python3.6版本的（我的虚拟环境是python3.6版本的），CUDA11.6最低是py3.7，我想这可能就是我装不上GPU版的torch的原因吧。如果返回是CPU版的torch，那么恭喜你也中招了。我也是查了好多网上的帖子，但是和我的原因不太一样。最后我打算手动安装，进入官网，找到对应的CUDA版本的torch，原因：按照官网的命令默认安装，但是我的torch却是CPU版本的。接着我将原本安装的torch等包卸载，重新选择安装11.3版本的。经过漫长的等待，终于安装好了。
torch.cuda.is_available()false的原因之一
guoguoguo617的博客
07-07 242
@TOC 问题描述 使用pytorch训练数据集时GPU一直没有被调用，输入torch.cuda.is_available() 返回值为false 解决方法 如果你也是使用官网安装方法、确定cuda和torch版本对应的话， 大概率是pytorch下载版本为cpu版本（并不是一开始选择不对，我也是一开始如上选择）但是后面下载中断了一次 重新源代码重新下载后输入 conda list 发现下载安装的为cpu版本 所以提供两个链接进行本地安装 清华源 安装输入命令行时将cuda版本改掉 官方源 pip i
亲测有效解决torch.cuda.is_available()返回False的问题（分析+多种方案），点进不亏
热门推荐
零碎@流年絮语 的博客
10-29 5万+
文章目录解决torch.cuda.is_available()返回False出现返回False的原因问题1：版本不匹配问题2：错下成了cpu版本的（小编正是这种问题）解决方案方案一方案二 解决torch.cuda.is_available()返回False 出现返回False的原因 问题1：版本不匹配 电脑实际安装的CUDA版本 大于 已安装的pytorch所对应的CUDA的版本 注意：小于等于是可以的，但是不能大于 问题2：错下成了cpu版本的（小编正是这种问题） 可能使用了清华源镜像，但是清华源镜像中
torch.cuda.is_available（）返回False解决方案
12-21
以下是一些可能导致 `torch.cuda.is_available()` 返回 `False` 的原因及解决方法： 1. **CUDA版本不兼容**：如描述中所述，Torch的特定版本可能只支持某些特定的CUDA版本。在案例中，作者的CUDA版本为10.0，但...
torch.cuda.is_available()返回False的问题解决
04-02
torch.cuda.is_available()返回False的问题解决
torch.cuda.is-available()返回False的问题解决
08-03
然而，如果`torch.cuda.is_available()`仍然返回`False`，可能的原因包括： 1. **CUDA环境变量未设置**：检查`CUDA_PATH`和`PATH`环境变量是否已正确设置，指向CUDA安装目录。 2. **内核冲突**：某些情况下，其他...
torch.cuda.amp- 自动混合精度详解.docx
09-16
torch.cuda.amp 模块的使用非常简单，只需要在模型的 forward 和 backward 传播过程中使用 autocast 函数来指定精度即可。例如： ``` with autocast(): ret = model(inputs, mems=mems) ``` 这样可以自动选择适合的...
TensorRT-8.2.1.8.Windows10.x86_64.cuda-10.2.cudnn8.2.zip
06-16
TensorRT-8.2.1.8.Windows10.x86_64.cuda-10.2.cudnn8.2.zip使用需要的环境： win10 x64 tensorrt==8.2.1.8 cuda==10.2 cudnn==8.2
解决PyTorch无法调用GPU，torch.cuda.is_available()显示False的问题
fenixadar的博客
02-15 4637
解决PyTorch无法调用GPU，torch.cuda.is_available()显示False的问题 `Can not execute `setup.py` since setuptools is not available in the build environment` `ModuleNotFoundError: No module named '_ctypes'` 'soundfile' backend is not available.
PyTorch 多GPU下模型的保存与加载（踩坑笔记）
Willen_的博客
05-21 1257
转自https://www.cnblogs.com/blog4ljy/p/11711173.html 写的很好，留作参考 PyTorch 多GPU下模型的保存与加载（踩坑笔记） 这几天在一机多卡的环境下，用pytorch训练模型，遇到很多问题。现总结一个实用的做实验方式： 多GPU下训练，创建模型代码通常如下： os.environ['CUDA_VISIBLE_DEVICES'] = args.cuda model = MyModel(args) if torch.cuda.is_avail..
Windows下，pycharm中使用GPU，torch.cuda.is_available()输出是false的解决
April_9501的博客
05-10 3244
晕死我了。看了好多方法，说为什么正常安装anaconda + cuda + pytorch后，gpu还是不可用。试了好多方法，重下在了好几个版本的cuda， 结果在pycharm中运行下面的代码： import torch torch.device('cpu'), torch.device('cuda'), torch.device('cuda:1') # 分别是访问CPU，访问第0个GPU，访问第1个GPU。第 𝑖 块GPU（ 𝑖 从0开始） print(torch.cuda.device_c
关于在Anaconda中配置pytorch（GPU版）的时候torch.cuda.is_available()返回的一直是false的解决方法（2022.10.31）
m0_61820721的博客
10-31 1260
关于在Anaconda中配置pytorch（GPU版）的时候torch.cuda.is_available()返回的一直是false的解决方法
TimesNet 代码阅读
weixin_44907625的博客
03-25 6711
总结一下，两个输出，一个period_list指不同的周长（29、14、9）的频率信号，一个period_weight指的是三个不同周长信号的频率幅值。
深度学习（19）——informer 详解（1）
羊羊的博客
04-10 4316
transformer 长时间序列预测
bert简介_Bert-Encode-Server
weixin_39768247的博客
11-29 524
项目地址Bert-Encode-Server​github.com引用项目壮哉我贾诩文和：Keras-Bert-Ner-Light​zhuanlan.zhihu.com简介项目在肖涵老师的bert-as-service上添加了ALBERT模型，总体使用与bert-as-service保持一致。直接通过Bert Encode Server服务端获取输入特征（可以是字特征，也可以是句特征），此时的预训...
有效解决torch.cuda.is_available()为false问题
qq_43412155的博客
12-05 1716
有效解决torch.cuda.is_available()为false问题
torch.cuda.is_available() =false
最新发布
08-26
根据引用和引用的内容，当调用torch.cuda.is_available()函数时，返回值为False表示没有可用的CUDA加速。这可能是因为您的深度学习环境没有正确安装CUDA或没有正确配置。要解决这个问题，您可以按照以下步骤进行操作： 1. 确保您的计算机上已正确安装了CUDA。您可以从NVIDIA官方网站上下载并安装适合您计算机配置的CUDA版本。 2. 如果您已经安装了CUDA，但仍然返回False，您需要检查您的深度学习框架是否与CUDA兼容。例如，在PyTorch中，您可以查看您安装的PyTorch版本是否与您的CUDA版本匹配。如果不匹配，您需要更新或重新安装PyTorch。 3. 另外，您还需要确保在运行代码或脚本时，没有禁用CUDA加速。根据引用的描述，参数args.no_cuda设置为False，表示CUDA加速是启用的。如果您的代码中存在类似的参数或设置，请确保将其设置为True或删除它，以便CUDA加速能够正常使用。 如果您已经按照上述步骤操作，并且仍然返回False，则可能是因为您的计算机硬件不支持CUDA。请确保您的计算机上有兼容CUDA的显卡。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [Pytorch安装教程 及 解决 torch.cuda.is_available() 返回 False 的问题](https://blog.csdn.net/qq_43280818/article/details/104240772)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [torch.cuda.is_available（）返回False解决方案](https://download.csdn.net/download/weixin_38723699/13749367)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值