Index 目录索引
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。
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
...
...
（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
Original: https://blog.csdn.net/weixin_43051346/article/details/122984999
Author: 哈哈哈哈哈嗝哈哈哈
Title: PyTorch版本更新后无法调用GPU显卡的原因及解决办法
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/649413/
转载文章受原作者版权保护。转载请注明原作者出处！