我要评论
问题描述
已经安装cuda与pytorch。但执行如下python脚本，输出结果为false：
import torch
print(torch.cuda.is_available())
出现这个问题的原因很多，很多文章的分析并不全面。博主遇到这个问题时，也是不断整合网络上零零散散的信息，浪费了不少功夫，因此写下了本文。如果你也遇到了这个问题，本文致力于帮助你通过这一篇文章解决这一问题。如果本篇文章对你有帮助，希望能点赞鼓励一下。
注意，本文解决的问题是，import torch不报错，但pytorch与cuda没有正确匹配上。如果你的import torch报错，说明你没有正确安装pytorch，请参考这一链接，安装合适的pytorch版本。
为了方便说明，本文以cuda 10.2与pytorch 1.11.0（gpu版本）为例。
总览：导致问题的原因
导致这一问题的原因主要分为如下四个方面，在这里先作总结，具体方法在之后展开。有经验的同学可以直接根据本节进行快速排查，以提高效率。
- cuda版本与驱动程序不兼容：cuda版本需与gpu驱动程序兼容。
- cuda库的路径设置存在问题：如果cuda库路径未正确配置，pytorch将无法找到cuda库文件。
- pytorch版本与cuda版本不匹配：安装的pytorch版本需与cuda版本匹配。
- 编译问题：如果使用预编译的pytorch二进制文件，可能存在与cuda版本不匹配的问题。
- 冲突：可能存在其他软件包或库与pytorch或cuda发生冲突。
绝大多数的问题都可以通过前三步解决。
请按照1-5的顺序排查，直至问题解决。
可能1：cuda版本与驱动程序不兼容
驱动程序与cuda的兼容，指的是gpu驱动程序与安装的cuda版本相匹配，并且能够正确地与cuda库进行通信和协作。可以按照如下步骤排查二者是否兼容：
1. 查看cuda版本。
在终端输入如下指令：
或者：
cat /usr/local/cuda/version.txt
例如，我的cuda版本是10.2。
2. 查看gpu驱动程序版本。
在终端输入如下指令：
nvidia-smi
找到第一行的driver version，例如我的是440.44。
3. 检查二者是否兼容。
驱动程序与cuda的兼容性是非常重要的，因为pytorch和其他基于cuda的库需要与gpu驱动程序进行交互才能正确运行。如果驱动程序与cuda不兼容，可能会导致无法正常使用cuda功能或出现错误。
检查上述二者的版本，确保二者是匹配的。例如，cuda 10.2对应的推荐驱动程序版本为nvidia驱动程序版本440.33或更高版本，我的版本是440.44，因此兼容。
cuda版本与gpu驱动的兼容性表格（linux请参照第一二列，windows请参照第一三列）如下，请根据自己的版本自行比对：
注：引用自此链接。
4. 更新驱动程序或更改cuda版本。
若二者不匹配，可以选择更新驱动程序或更改cuda版本。
可以通过访问nvidia官方网站下载并安装适当的驱动程序版本。在安装新的驱动程序之前，请确保先卸载旧的驱动程序，并按照安装指南进行正确的安装，这里不做展开。如对cuda版本无特殊要求，建议优先选择更改安装的cuda版本。
可能2：cuda库的路径设置存在问题
简单来说，如果cuda库路径未正确配置，pytorch将无法找到cuda库文件。在这种情况下，即便cuda与pytorch的安装都是正确的，也会导致错误。
请按照如下步骤，将cuda路径添加到linux系统的环境变量中（windows平台下的操作与之类似，这里以linux为例，供参考）：
- 在终端输入如下指令：
vim ~/.bashrc
即使用vim文本编辑器打开~/.bashrc文件。也可以选择通过其他的文本编辑器打开。
- 以vim为例，按下字母i，进入编辑模式，在文件的末尾添加以下行：
export path=/usr/local/cuda/bin:$path
export ld_library_path=/usr/local/cuda/lib64:$ld_library_path
其中，/usr/local/cuda为cuda的安装路径。如果你的cuda的安装路径不是/usr/local/cuda，请填你的实际路径。
该操作会将cuda的bin目录添加到path环境变量中，以便系统可以找到cuda可执行文件，同时将cuda的lib64目录添加到ld_library_path环境变量中，以便系统可以找到cuda库文件。
- 按下esc，然后输入:wq，之后按下回车，保存~/.bashrc文件。
- 在终端窗口中，运行以下命令以使环境变量更改生效：
source ~/.bashrc
该命令会重新加载.bashrc文件，使添加的环境变量生效。
- 检查cuda路径是否成功添加到环境变量中。
在终端窗口中，运行以下命令：
echo $path
echo $ld_library_path
上述命令将显示环境变量的当前值。检查输出中是否包含cuda的路径（/usr/local/cuda/bin和/usr/local/cuda/lib64），以确保添加成功。
如果输出中不包含cuda的路径，或包含多个cuda路径，请继续参考如下步骤操作。
- 排查环境变量问题。
如果环境变量的当前值不正确，那么这个问题可能是由其他配置文件或环境变量引起的。除了~/.bashrc文件之外，还可能存在其他配置文件，这些文件也可能包含cuda库路径的设置。打开这些文件并查找类似path、ld_library_path的设置行，以确定是否在其他文件中设置了/usr/local/cuda路径。
- 检查其他环境变量。
除了ld_library_path环境变量之外，还可能存在其他与cuda相关的环境变量设置，这些设置可能导致/usr/local/cuda/lib64路径被添加到ld_library_path中。运行如下指令检查是否存在其他环境变量与cuda相关：
env | grep cuda
如果有的话，可能是由于执行过其他的cuda相关的操作引起的，可以参照下一条将其清除。
- 清除旧的环境变量。
如果曾经安装过其他版本的cuda或执行过其他与cuda相关的操作，旧的环境变量设置可能仍然存在于系统中。可以手动清除这些环境变量，然后重新设置正确的cuda库路径。
首先，运行如下指令：
env
这将列出所有当前的环境变量。在输出中查找与cuda或旧版本相关的环境变量设置，使用unset命令来删除指定的环境变量。例如，假设存在名为old_cuda_path的环境变量，可以运行以下命令删除它：
unset old_cuda_path
对每个需要删除的环境变量重复此步骤。注意，除非确定环境变量存在问题，否则不要轻易删除环境变量。
- 重新加载配置文件。
运行指令：
source ~/.bashrc
注意，如果此时报错：/bin/lesspipe: 1: /bin/lesspipe: basename: not found，可能是由于删除了path环境变量，请参考。
- 再次检查环境变量。
运行env命令再次检查环境变量，确保旧的环境变量已成功删除。
可能3：pytorch版本与cuda版本不匹配
有些同学可能直接通过下面的指令安装pytorch：
pip install pytorch
conda install pytorch
这些指令都是不合适的，可能导致安装的pytorch版本与cuda版本不匹配。也有些同学访问pytorch官网，看到安装指令之后直接复制粘贴，而没有进一步检查pytorch与cuda的匹配性。
更加推荐的安装方式是，访问previous pytorch versions | pytorch，找到与cuda版本相符的pytorch版本，再复制安装。
可能4：编译问题
我没有遇到过这种情况，我也不推荐使用源代码编译pytorch。如果排查到这一步依旧没有解决问题，建议首先更换pytorch版本尝试（例如由conda安装改为pip安装）。如果依旧无法解决，再参照使用源代码编译pytorch的相关文章。
可能5：软件包或库冲突
为了避免这种情况，建议新建一个conda环境，在新的conda环境下安装pytorch。
写在最后
上面五点是博主根据个人经验与网上的相关文章总结的，如果有补充，欢迎同学们在评论区讨论。
如果这篇文章帮助到了你，希望能点赞或评论支持一下，大家的鼓励是我持续创作的最大动力。
发表评论