问题剖析

使用PyTorch在网络模型训练过程中，如果更新了PyTorch的版本（例如由1.7.0更新为1.8.1），则可能会出现无法使用GPU的情况，下面是查看cuda是否可用的代码命令：

import torch

print(torch.__version__)
print(torch.cuda.is_available())
print(torch.version.cuda)

可得到下面的结果：

1.8.1+cpu
False
None

由此可知，PyTorch更新至1.8.1后，cuda未能正常调用，而奇怪的是，在1.7.0旧版本PyTorch的环境中，就可以正常调用，显示如下：

1.7.0+cu110
True
11.0

说明显卡硬件并未出现异常，推测有可能是更新后版本不匹配的原因。

经过查阅资料，得知出现这种情况的原因是当前的PyTorch版本和cuda版本不匹配¹，所以无法使用显卡。

解决方法

根据这个网址，可以查看PyTorch不同版本所对应的cuda。
找到更新后的PyTorch版本号1.8.1所在的位置，可知对应的cuda版本有两个，分别是10.2和11.3，不妨将cuda由原来的11.0更新至11.3，所以输入对应的命令：

conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge

更新过程如下：

(wl_pytorch1_8) D:\***-main>conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge
Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
Collecting package metadata (repodata.json): done
Solving environment: done

## Package Plan ##
...
...

（以上未测试）

首先使用Anaconda新创建一个 env环境，在这个新环境中进行PyTorch及其他库的更新。

接着，参考之前的这篇文章，下载文件torch-1.8.1+cu102-cp37-cp37m-win_amd64.whl
，离线进行PyTorch和cuda的安装（该方法可直接通过代码命令安装cuda），将cuda版本由原来的11.0降至10.2。

安装完成后，输出如下：

1.8.1+cu102
True
10.2

接下来，便可接着在新的环境中调用显卡进行深度学习模型的训练。

---

写到这里，本文就要接近尾声了，如果我的这篇文章帮助到了你，那我也会感到很高兴，一个人能走多远，在于与谁同行。

---

参考

---

1. Pytorch错误：Torch not compiled with CUDA enabled ↩︎