torch.cuda.is_available() 返回 false，我还应该检查什么？

Question

内容：

我在让 PyTorch 识别我的系统上的 CUDA 时遇到问题。详情如下：

系统信息：

• 操作系统：在 WSL2 上运行的 Ubuntu 22.04.4 LTS (x86_64)
• Python版本：3.7.16
• PyTorch版本：1.12.0+cu113
• GPU：采用 Max-Q 设计的 NVIDIA GeForce GTX 1650
• Nvidia 驱动程序版本： 537.13

环境信息： python -m torch.utils.collect_env

Collecting environment information...
PyTorch version: 1.12.0+cu113
Is debug build: False
CUDA used to build PyTorch: 11.3
ROCM used to build PyTorch: N/A

OS: Ubuntu 22.04.4 LTS (x86_64)
GCC version: (Ubuntu 9.5.0-1ubuntu1~22.04) 9.5.0
Clang version: Could not collect
CMake version: Could not collect
Libc version: glibc-2.17

Python version: 3.7.16 (default, Jan 17 2023, 22:20:44)  [GCC 11.2.0] (64-bit runtime)
Python platform: Linux-5.15.146.1-microsoft-standard-WSL2-x86_64-with-debian-bookworm-sid
Is CUDA available: False
CUDA runtime version: Could not collect
GPU models and configuration: GPU 0: NVIDIA GeForce GTX 1650 with Max-Q Design
Nvidia driver version: 537.13
cuDNN version: Could not collect
HIP runtime version: N/A
MIOpen runtime version: N/A
Is XNNPACK available: True

Versions of relevant libraries:
[pip3] numpy==1.21.6
[pip3] torch==1.12.0+cu113
[pip3] torchaudio==0.12.0+cu113
[pip3] torchvision==0.13.0+cu113
[conda] numpy                     1.21.6                   pypi_0    pypi
[conda] torch                     1.12.0+cu113             pypi_0    pypi
[conda] torchaudio                0.12.0+cu113             pypi_0    pypi
[conda] torchvision               0.13.0+cu113             pypi_0    pypi

我采取的步骤：

1. 验证 CUDA 是否安装正确：

   nvcc --version
   

   输出：

   nvcc: NVIDIA (R) Cuda compiler driver
   Copyright (c) 2005-2021 NVIDIA Corporation
   Built on Mon_May__3_19:15:13_PDT_2021
   Cuda compilation tools, release 11.3, V11.3.109
   Build cuda_11.3.r11.3/compiler.29920130_0
   

2. 设置环境变量：

   export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}
   export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
   

   或

   echo 'export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}' >> ~/.bashrc
   echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
   

3. 已验证的 NVIDIA 驱动程序状态：

   nvidia-smi
   

   输出：

   Sun May 19 03:03:53 2024
   +---------------------------------------------------------------------------------------+
   | NVIDIA-SMI 535.103                Driver Version: 537.13       CUDA Version: 12.2     |
   |-----------------------------------------+----------------------+----------------------+
   | GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC |
   | Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
   |                                         |                      |               MIG M. |
   |=========================================+======================+======================|
   |   0  NVIDIA GeForce GTX 1650 ...    On  | 00000000:02:00.0 Off |                  N/A |
   | N/A   50C    P0              13W /  35W |      0MiB /  4096MiB |      0%      Default |
   |                                         |                      |                  N/A |
   +-----------------------------------------+----------------------+----------------------+
   
   +---------------------------------------------------------------------------------------+
   | Processes:                                                                            |
   |  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
   |        ID   ID                                                             Usage      |
   |=======================================================================================|
   |  No running processes found                                                           |
   +---------------------------------------------------------------------------------------+
   

4. 检查 CUDA 在 PyTorch 中是否可用：

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

   输出：

   False
   

问题：

1. 为什么

   torch.cuda.is_available()

   会回来

   False

   ？
2. 我应该执行哪些额外检查或步骤来解决此问题？

预先感谢您的帮助！

Answer 1

我建议您检查此页面以了解cuda兼容性。 使用 Pytorch 时，遵循安装页面上推荐的所有依赖项非常重要，如果只跳过一件事，则无法启动 torch。

在您的情况下，驱动程序 537.13 与 CUDA 12.2 兼容。

尝试重新检查安装步骤，也许你跳过了一些东西