为什么即使在使用cuda安装pytorch之后，`torch.cuda.is_available（）`仍返回False？

Question

在装有NVidia GeForce 820M的Windows 10 PC上，我成功安装了CUDA 9.2和cudnn
7.1，然后按照pytorch.org上的说明安装了PyTorch。

具体来说我使用了命令

pip install torch==1.4.0+cu92 torchvision==0.5.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html

因为我使用点子而不是Anaconda。

然而我得到以下

>>> import torch
>>> torch.cuda.is_available()
False

为什么会这样呢？

Answer 1

您的图形卡不支持CUDA 9.0。

由于我已经看到很多涉及此类问题的问题，因此我就如何检查您的系统是否与CUDA兼容，写了一个广泛的答案，专门针对使用带有CUDA支持的PyTorch。该答案的最后一部分描述了各种与情况有关的解决方案。

将PyTorch与CUDA一起使用的系统要求如下：

• 您的图形卡必须支持所需的CUDA版本
• 您的图形卡 驱动程序 必须支持所需的CUDA版本
• PyTorch二进制文件必须在支持图形卡计算能力的情况下构建

注 ：如果您安装预建的二进制文件（使用PIP或畅达），那么你就 不会
需要CUDA支持安装PyTorch之前安装在系统上的CUDA工具包或运行。这是因为，除非从源代码编译，否则PyTorch始终与CUDA库的副本一起提供。

首先，确定您的显卡型号。

继续之前，请确保您已经拥有NVidia显卡。 AMD和Intel显卡不支持CUDA 。

NVidia在单个位置提供CUDA兼容性信息方面做得不好。最好的资源可能是CUDA
Wikipedia页面上的此部分
。确定支持哪些版本的CUDA

1. 在大表中找到您的显卡型号，并记下计算功能版本。例如，GeForce 820M的计算能力为2.1。
2. 在表格前面的项目符号列表中，检查图形卡的计算功能是否支持所需的CUDA版本。例如，计算兼容性2.1不支持CUDA 9.2。

如果您的卡不支持所需的CUDA版本，请参阅此答案第4节中的选项。

注意 ：计算能力是指图形卡支持的计算功能。较新版本的CUDA库依赖于较新的硬件功能，这就是为什么我们需要确定计算能力才能确定受支持的CUDA版本的原因。

2.如何检查您的GPU /图形驱动程序是否支持特定版本的CUDA

图形驱动程序是允许您的操作系统与图形卡进行通信的软件。由于CUDA依赖与图形卡的低级通信，因此您需要具有最新的驱动程序才能使用最新版本的CUDA。

首先，请确保您的系统上安装了NVidia图形驱动程序。您可以从NVidia的网站上获取系统的最新驱动程序。

如果您安装了最新的驱动程序版本，则您的图形驱动程序 可能
支持与您的显卡兼容的每个CUDA版本（请参阅第1节）。要进行验证，您可以检查CUDA发行说明中的表2
。在极少数情况下，我听说过不支持最新CUDA版本的最新推荐图形驱动程序。您可以通过安装所需CUDA版本的CUDA工具包并选择安装兼容驱动程序的选项来解决此问题，尽管通常不需要这样做。

如果不能，或者不想升级图形驱动程序，则可以检查当前驱动程序是否支持特定的CUDA版本，如下所示：

在Windows上

1. 确定当前的图形驱动程序版本（来源https://www.nvidia.com/en-gb/drivers/drivers-faq/）

右键单击桌面，然后选择“ NVIDIA控制面板”。从“
NVIDIA控制面板”菜单中，选择“帮助”>“系统信息”。驱动程序版本列在“详细信息”窗口的顶部。对于更高级的用户，您还可以从Windows设备管理器中获取驱动程序版本号。右键单击显示适配器下的图形设备，然后选择属性。选择驱动程序选项卡，然后阅读驱动程序版本。后5位数字是NVIDIA驱动程序的版本号。

1. 请访问CUDA发行说明并向下滚动至表2。使用此表来验证您的图形驱动程序是否足够新以支持所需的CUDA版本。

在Linux / OS X上

在终端窗口中运行以下命令

nvidia-smi

这应该导致类似以下内容

Sat Apr  4 15:31:57 2020       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 435.21       Driver Version: 435.21       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce RTX 206...  Off  | 00000000:01:00.0  On |                  N/A |
|  0%   35C    P8    16W / 175W |    502MiB /  7974MiB |      1%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1138      G   /usr/lib/xorg/Xorg                           300MiB |
|    0      2550      G   /usr/bin/compiz                              189MiB |
|    0      5735      G   /usr/lib/firefox/firefox                       5MiB |
|    0      7073      G   /usr/lib/firefox/firefox                       5MiB |
+-----------------------------------------------------------------------------+

Driver Version: ###.##是您的图形驱动程序版本。在上面的示例中，驱动程序版本为435.21。

CUDA Version: ##.#是您的图形驱动程序支持的最新版本的CUDA。在上面的示例中，图形驱动程序支持CUDA 10.1 以及 10.1
之前的所有兼容CUDA版本 。

注意 ：CUDA Version此表中显示的内容 并不
表示您的系统上实际安装了CUDA工具包或运行时。这仅表示您的图形驱动程序兼容的最新版本的CUDA。

要确保驱动程序支持所需的CUDA版本，请访问CUDA发行说明页上的表2 。

3.如何检查特定版本的PyTorch是否与您的GPU /显卡计算功能兼容

即使您的图形卡支持所需的CUDA版本，也可能未在支持计算功能的情况下编译预编译的PyTorch二进制文件。例如，在PyTorch
0.3.1中，放弃了对计算能力<=
5.0的支持。

首先，确认您的图形卡和驱动程序都支持所需的CUDA版本（请参阅上面的第1和第2节） ，本节中的信息假定是这种情况。

检查PyTorch是否支持您的计算能力的最简单方法是安装具有CUDA支持的PyTorch所需版本，并从python解释器运行以下命令

>>> import torch
>>> torch.zeros(1).cuda()

如果您收到一条错误消息，内容为

Found GPU0 XXXXX which is of cuda capability #.#.
PyTorch no longer supports this GPU because it is too old.

那么这意味着PyTorch并未在您的计算能力支持下进行编译。如果运行没有问题，那么您应该很好。

更新
如果要在具有较新GPU的系统上安装旧版本的PyTorch，则可能是旧的PyTorch版本未编译为支持您的计算能力。假设您的GPU支持PyTorch使用的CUDA版本，那么您应该能够从源代码中使用所需的CUDA版本重建PyTorch，或升级到支持新的计算功能而编译的PyTorch的最新版本。

4。结论

如果您的图形卡和驱动程序支持所需的CUDA版本（第1节和第2节），但PyTorch二进制文件不支持您的计算能力（第3节），则您的选择是

• 从源代码编译PyTorch并支持您的计算能力（请参阅此处）
• 在不支持CUDA的情况下安装PyTorch（仅CPU）
• 安装支持您的计算能力的较旧版本的PyTorch二进制文件（不建议使用，因为此时PyTorch 0.3.1已非常过时）。预构建的二进制文件从未支持过3.X之前的AFAIK计算功能
• 升级您的显卡

如果您的图形卡不支持所需的CUDA版本（第1节），则您的选择是

• 在不支持CUDA的情况下安装PyTorch（仅CPU）
• 安装支持图形卡支持的CUDA版本的PyTorch的较早版本（如果二进制文件不支持您的计算能力，则仍可能需要从源代码进行编译）
• 升级您的显卡