nvcc : 无法将“nvcc”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。（一名小白的记录）

---

运行 nvcc --version 命令显示无法识别 nvcc，说明 CUDA 工具包未正确安装或未添加到系统路径中。解决步骤如下：

1. 安装 CUDA 工具包

首先，确保已经安装 CUDA 工具包。您可以从 NVIDIA CUDA Toolkit 下载并安装适用于您操作系统的 CUDA 工具包。

2. 添加 CUDA 工具包到系统路径

安装完成后，需要将 CUDA 工具包的 bin 目录添加到系统路径中。以下是添加路径的步骤：

Windows 系统

1. 打开“控制面板”。
2. 选择“系统和安全”，然后选择“系统”。
3. 选择“高级系统设置”，然后选择“环境变量”。
4. 在“系统变量”部分，找到并选择“Path”变量，然后选择“编辑”。
5. 在“编辑环境变量”窗口中，选择“新建”，然后添加 CUDA 工具包的 bin 目录路径（通常是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin，具体路径请根据您的安装位置调整）。
6. 确定所有对话框并关闭。

然后，重新打开命令提示符窗口，运行以下命令以检查 CUDA 工具包是否已正确安装并添加到路径中：

nvcc --version

如果正确安装并添加路径，应该看到 CUDA 版本信息。

3. 检查 NVIDIA 驱动

确保您的系统安装了正确版本的 NVIDIA 驱动。可以通过运行以下命令检查 NVIDIA 驱动是否已正确安装：

nvidia-smi

4. 安装适用于 CUDA 的 PyTorch 版本

确保已安装适用于 CUDA 的 PyTorch 版本。如果尚未安装，可以运行以下命令：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

5. 运行测试代码

安装完成并添加路径后，可以运行以下测试代码，检查 CUDA 是否可用：

import torch
print(torch.cuda.is_available())

如果输出 True，说明 CUDA 设备已被 PyTorch 检测到。

总结

通过正确安装 CUDA 工具包、添加系统路径、安装 NVIDIA 驱动以及适用于 CUDA 的 PyTorch 版本，可以解决 torch.cuda.is_available() 返回 False 的问题。请按照上述步骤逐一检查和解决。