解决低版本CUDA与PyTorch之间的兼容性问题

一.查看CUDA驱动版本

nvidia-smi.exe 通常位于 C:\Windows\System32 目录下。这个目录默认就在系统路径中，如果普通路径无法识别该命令，就去C:\Windows\System32路径,这里以下面这个截图举例说明。

在pytorch集成环境中执行，torch.cuda.is_available()返回为fasle。

从 nvidia-smi 输出信息中，我们可以非常清晰地定位到问题所在。

核心问题：该驱动和CUDA版本太旧了。

• 驱动程序版本： 419.72 (发布于2019年左右)

• 最高支持的CUDA版本： 10.1 (也是一个非常古老的版本)

而目前主流的 PyTorch 版本需要 CUDA 11.8 或 CUDA 12.1。您的环境完全不兼容，因此 torch.cuda.is_available() 会返回 False。

上面显示显卡 GeForce MX250 是支持更新版本的驱动和CUDA的。

二.通过NVIDIA App 自动更新（推荐）

这是最省心、推荐大多数用户使用的方法。NVIDIA App(GeForce Experience已被NVIDIA App取代) 专为 NVIDIA 显卡设计，能自动匹配并提供最适合你显卡和系统的最新驱动。

1. 确保已安装 NVIDIA App：如果你尚未安装，可以从 NVIDIA 官网 下载并安装。

2. 打开并登录：启动 NVIDIA App，并使用你的 NVIDIA 账户登录（如果没有，需要先注册一个），也可以不用登陆。

3. 检查更新：

   • 点击左上角的 驱动程序 选项卡。

   • 软件会自动检测你的显卡型号和当前驱动版本。

   • 如果发现有新的驱动可用（例如 5xx.xx 版本），它会显示 下载 按钮。

4. 选择安装方式：

   • 快速安装：一键式安装，所有选项均采用默认设置，适合大多数用户。

   • 自定义安装：你可以选择执行清洁安装（这相当于在安装新驱动前先卸载旧驱动，有助于减少冲突，但比重装系统轻量很多）1。

5. 完成安装：点击安装后，按照屏幕提示操作即可。安装完成后通常需要重启电脑。

💡 提示：使用 NVIDIA App或官网下载时，如果遇到网络不稳定、下载速度慢或中断的情况，可以尝试使用网络加速器（如 UU 加速器）来优化连接，提升下载体验

三.安装兼容的PyTorch版本

已经成功将NVIDIA驱动程序更新到了581.15，并且 nvidia-smi 显示的CUDA版本也更新到了13.0，这是一个很大的进展！不过 torch.cuda.is_available() 返回 False 的问题通常与PyTorch和CUDA版本之间的兼容性有关。

卸载与安装

pip方式（cmd终端）

pip uninstall torch torchvision torchaudio
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130

conda方式（打开 Anaconda Prompt）

conda activate 你的环境
conda remove pytorch 
conda remove torchvision
conda remove  torchaudio 
conda remove  cudatoolkit
conda remove pytorch-cuda
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.8 -c pytorch -c nvidia

四.验证

PyTorch集成环境run如下代码。

import torch
print(torch.__version__)  # 查看 PyTorch 版本
print(torch.version.cuda) # 查看 PyTorch 构建时使用的 CUDA 版本
print(torch.cuda.is_available())  # 最终目标：输出 True
# 如果输出 True，可以继续查看显卡信息
print(torch.cuda.get_device_name(0)) # 应输出 'NVIDIA GeForce MX250'