torch.cuda.is_avaliable()在命令行里是true，pycharm是false【省流：换Pycharm】

于 2024-04-25 18:25:49 发布
阅读量334 收藏 3
点赞数 10
分类专栏： Pytorch 文章标签： python 人工智能 pycharm
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/qq_45821285/article/details/138196574
版权

我的问题：

1、torch.cuda.is_avaliable()在命令行里是true，但是pycharm是false

2、pycharm选择pytorch所在的解释器，加载失败。

3、pytorch所在的解释器加载成功，但是里边的torch包莫名消失。

解决方法：

在调试了很多torch版本、python版本、cuda版本后，无计可施，尝试了一下低版本的pycharm。

开始用的2024版，命令行里是true，但是pycharm是false。

换成了2021版，加载解释器便顺利了，torch.cuda.is_avaliable()结果True。

其他过程：

2024/4/25

安装视频：

零基础教程：基于Anaconda和PyCharm配置Pytorch环境_哔哩哔哩_bilibili

安装过程：

MX250笔记本安装Pytorch、CUDA和cuDNN-CSDN博客

Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程(吐血)_nvidia geforce mx250 显卡可以装gpu加速吗-CSDN博客

资料下载：

cuda 10.1 下载_cuda10.1下载-CSDN博客

一条破秋裤
关注
  • 10
    点赞
  • 踩
  • 3
    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解决方案
12-21
但是在查看代码是看到这里是一个and，参数args.no_cuda是设置的Flase，所以问题因为在torch.cuda.is_available()，没有获得cuda加速。 查看深度学习环境搭建torch.cuda.is_available()这里返回了
torch.cuda.is_available()为true时而cuda仍然无法使用
weixin_44321389的博客
04-28 1万+
各位同学也许还在疑惑： 为什么当我print（torch.cuda.is_available()）为True时，竟然还会发现当用到cuda库中的函数时无法调用或者在命令行写出nvcc -V时提示：command not found. 这是因为torch.cuda.is_available()为True并不意味着cuda已经安装成功，它只是代表你的系统装好了GPU驱动！！！ 让我们来看看这是为什么：...
pytorch gpu安装 torch.cuda.is_available()是true才成
weixin_44698022的博客
11-21 2111
1.先看NVIDIA控制面板-帮助-系统信息-组件 看驱动版本，我的是9.0. cmd输入NVIDIA-smi CUDA下载：https://developer.nvidia.com/cuda-toolkit-archive CUDNN下载：https://developer.nvidia.com/rdp/cudnn-download
解决 torch.cuda.is_available() 为False
05-14 528
解决 torch.cuda.is_available() 为False
Cuda+Cdnn+Torch安装Torch.Cuda.is_available =True注意要点(踩坑记录)
qq_26244463的博客
04-09 3410
(env1_yolov5) E:\PY\YOLOV5\yolov5-6.0>pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple Looking in links: http.
pytorch 使用GPU
real_ilin的博客
04-04 429
# 查看gpu是否可用，在pytorch中cuda指的就是gpu的相关操作 >>> torch.cuda.is_available() True # 获取cuda设备 >>> device = torch.device('cuda') >>> device device(type='cuda') # 随机创建一个两行三列的正态分布的tensor...
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
torch.cuda.is_available()返回False的问题解决
one hot编码：`torch.Tensor.scatter_()`函数用法详解
01-07
torch.Tensor.scatter_()是torch.gather()函数的方向反向操作。两个函数可以看成一对兄弟函数。gather用来解码one hot，scatter_用来编码one hot。 scatter_(dim, index, src) → Tensor dim (python:int) – 用来...
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
让torch.cuda.is_available()从false变成true的一点经验
LIZHEMGHONG的博客
03-23 1155
先上图 哈哈哈，终于… … 哈哈哈，你想想，要是你的运行结果也是这样的，也会超级超级开心的ヾ(๑╹◡╹)ﾉ" 上一些干货吧 一、主要流程 1、link 2、link 1和2都是讲的主要流程，两者讲的内容各有侧重点，不过大概就是：安装显卡驱动->安装CUDA->弄cudnn->安装pytorch-GPU。 不过他们没有提到的一个坑，就是我在pytorch官网上看到的版本只有对应CUDA10.2和11.1（今天是2021.3.23），不要像我一样傻乎乎地安了最新的11.2，然后发现官网没有对
torch.cuda.is_available函数总返回False
xswl5148的博客
03-16 2万+
torch.cuda.is_available函数总返回False问题解决一、问题描述（使用网上两种解决方法仍不能解决）1. 网上总结的方法一：根据自己cuda版本按照官网提供的安装命令安装pytorch2. 网上总结的方法二：去NVIDIA官网安装最新驱动二、问题分析三、解决方法 一、问题描述（使用网上两种解决方法仍不能解决） 在import pytorch后，使用以下函数： torch.cuda.is_available() 这个函数返回True即为使用了cuda，但是我这里总是返回False。 1
torch.cuda.is_available() 在有的项目中返回True有的返回Flase
最新发布
QianMo的博客
09-20 242
问题描述，刚下了一个项目，不能用CUDA 同一个环境 torch.cuda.is_available() 返回值不同。
torch在pycharm中无法调用的问题
weixin_42614980的博客
05-30 6173
在pycharm中输入 import torch torch.cuda.is_available() 返回值是false 在cmd中输入 import torch torch.cuda.is_available() 返回值是true 解决方法 更改pycharm python.exe位置 重启电脑可解决。 ...
解决LibTorch中 Torch::cuda::is_available()返回为False和module.to(device)异常
qq_36038453的博客
09-14 2429
Windows10系统下使用LibTorch 1.6.0，使用VS2017进行C++开发时， Torch::cuda::is_available()返回值为0(False)，显卡驱动也进行更新。 通过python import torch时，返回为True。所以cuda、cudnn和torch都没问题。 最后找到这个方法：亲测可用。 在链接器中 -> 命令行 -> 其他选项 /INCLUDE:?warp_size@cuda@at@@YAHXZ 再重新编译，运行Tor...
【奇葩问题】1.torch.cuda.is_available()在cmd和pycharm中为True，但在git的Linux中bash执行时为False
ZHL_562765的博客
03-01 1771
torch.cuda.is_available()在cmd和pycharm中为True，但在git的Linux中bash执行时为False
【无标题】在anaconda prompt里运行torch.cuda.is_available()，显示True，说明用的是GPU；在pycharm中运行却显示false。
m0_53685100的博客
09-18 705
在anaconda prompt里运行torch.cuda.is_available()，显示True，说明用的是GPU；在pycharm中运行却显示false。
torch.cuda.is_available
热门推荐
daoer_sofu的专栏
05-23 3万+
pytorch gpu torch.cuda.is_available() cuda是否可用； torch.cuda.device_count() 返回gpu数量； torch.cuda.get_device_name(0) 返回gpu名字，设备索引默认从0开始； torch.cuda.current_device() cuda是nvidia gpu的编程接口，opencl是amd gpu的编程接...
修改一下这段代码在pycharm中的实现，import pandas as pd import numpy as np from sklearn.model_selection import train_test_split import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim #from torchvision import datasets,transforms import torch.utils.data as data #from torch .nn:utils import weight_norm import matplotlib.pyplot as plt from sklearn.metrics import precision_score from sklearn.metrics import recall_score from sklearn.metrics import f1_score from sklearn.metrics import cohen_kappa_score data_ = pd.read_csv(open(r"C:\Users\zhangjinyue\Desktop\rice.csv"),header=None) data_ = np.array(data_).astype('float64') train_data =data_[:,:520] train_Data =np.array(train_data).astype('float64') train_labels=data_[:,520] train_labels=np.array(train_data).astype('float64') train_data,train_data,train_labels,train_labels=train_test_split(train_data,train_labels,test_size=0.33333) train_data=torch.Tensor(train_data) train_data=torch.LongTensor(train_labels) train_data=train_data.reshape(-1,1,20,26) train_data=torch.Tensor(train_data) train_data=torch.LongTensor(train_labels) train_data=train_data.reshape(-1,1,20,26) start_epoch=1 num_epoch=1 BATCH_SIZE=70 Ir=0.001 classes=('0','1','2','3','4','5') device=torch.device("cuda"if torch.cuda.is_available()else"cpu") torch.backends.cudnn.benchmark=True best_acc=0.0 train_dataset=data.TensorDataset(train_data,train_labels) test_dataset=data.TensorDataset(train_data,train_labels) train_loader=torch.utills.data.DataLoader(dtaset=train_dataset,batch_size=BATCH_SIZE,shuffle=True) test_loader=torch.utills.data.DataLoader(dtaset=train_dataset,batch_size=BATCH_SIZE,shuffle=True)
07-12
修改后的代码如下所示： ```python import pandas as pd import numpy as np from sklearn.model_selection import train_test_split import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim import torch.utils.data as data import matplotlib.pyplot as plt from sklearn.metrics import precision_score, recall_score, f1_score, cohen_kappa_score data_ = pd.read_csv(r"C:\Users\zhangjinyue\Desktop\rice.csv", header=None) data_ = np.array(data_).astype('float64') train_data = data_[:, :520] train_labels = data_[:, 520] train_data, _, train_labels, _ = train_test_split(train_data, train_labels, test_size=0.33333) train_data = torch.Tensor(train_data) train_labels = torch.LongTensor(train_labels) train_data = train_data.reshape(-1, 1, 20, 26) start_epoch = 1 num_epoch = 1 BATCH_SIZE = 70 Ir = 0.001 classes = ('0', '1', '2', '3', '4', '5') device = torch.device("cuda" if torch.cuda.is_available() else "cpu") torch.backends.cudnn.benchmark = True best_acc = 0.0 train_dataset = data.TensorDataset(train_data, train_labels) test_dataset = data.TensorDataset(train_data, train_labels) train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=BATCH_SIZE, shuffle=True) test_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=BATCH_SIZE, shuffle=True) ``` 请注意，我做了以下修改： 1. 移除了不需要的导入语句。 2. 修复了变量名拼写错误。 3. 移除了重复的代码行。 4. 修正了 `torch.utils.data.DataLoader` 的拼写错误。 5. 修正了数据集分割时的变量名错误。 请根据你的实际需求进一步调整代码。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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