文章目录

• 问题描述
• 问题原因
• 解决方案
• 参考

问题描述

在coding的时候我们经常在指定device的时候用这么一句代码：

device = 'cuda' if torch.cuda.is_available() else 'cpu'

但是有时候我们会发现device确实是放在了cpu上面，所以为了明确出错的原因，我们在shell里先import了torch，再执行torch.cuda.is_available()，发现在返回False结果之前给出了错误原因，其中部分内容就是我们在标题中写的。

问题原因

这种情况一般来说有两种原因

1. gpu的计算能力过差
   pytorch慢慢已经不支持cc(compute capability)小于3的gpu了，所以可以先查看一下自己的gpu的cc大小。但总的来说，这种情况出现的几率不大。
2. cuda版本不兼容
   这种情况通常是因为conda的虚拟环境中install的cudatoolkit版本高于gpu本身的cuda版本。在linux平台下，我们通过nvidia-smi命令查看gpu驱动的cuda版本，看是否低于我们在环境中安装的cudatoolkit版本。

解决方案

1. 如果是因为平台gpu的cc过低导致的，那只能破费购进新卡或者降低torch版本了
2. 一种方式是我们更新平台gpu的cuda版本，如果你是这台服务器的root用户，非常建议通过这种方式将gpu的驱动更新到最新版本。但如果你只是这台服务器的普通用户，我们则需要降我们的pytorch版本以满足需求的cudatoolkit版本小于等于平台gpu驱动。当然，如果版本降得很夸张，非常建议跟管理员去扯扯皮hhh 😄

参考

https://forums.developer.nvidia.com/t/k1000m-cuda-driver-initialization-failed-you-might-not-have-a-cuda-gpu/226120