Question

我正在尝试在Google colab中使用GPU。以下是我的colab中安装的pytorch和cuda版本的详细信息。

Torch 1.3.1 CUDA 10.1.243

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:01_CDT_2018
Cuda compilation tools, release 10.0, V10.0.130

在pytorch模型上使用GPU进行转移学习时，我还很陌生。我的torch.cuda.is_available（）返回false，我不愿意使用GPU。 torch.backends.cudnn.enabled返回true。这里可能出什么问题了？

Answer 1

确保将硬件加速器设置为GPU。

Runtime > Change runtime type > Hardware Accelerator

Answer 2

暂时的解决方法是尝试将Cuda 10.0用作explained in here。

类似这样的东西：

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

在将来的版本中，这可能会起作用。

Answer 3

可以使用上述所有版本，而我不必将CUDA降级为10.0。更新后，我重新启动了colab，将运行中的计算机重新设置为CPU，而我只需要将其更改回GPU。

Answer 4

万一其他人来这里并犯了与我相同的错误：

如果您要检查GPU是否可用并且您这样做：

if torch.cuda.is_available:
  print('GPU available')
else:
  print('Please set GPU via Edit -> Notebook Settings.')

GPU似乎总是可用的。请注意，您需要使用torch.cuda.is_available()而不是torch.cuda.is_available。

Answer 5

（这在 2021 年 1 月生效）

pip install torch==1.7.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

我的参数：

!nvcc --version
# nvcc: NVIDIA (R) Cuda compiler driver
# Copyright (c) 2005-2019 NVIDIA Corporation
# Built on Sun_Jul_28_19:07:16_PDT_2019
# Cuda compilation tools, release 10.1, V10.1.243

torch.cuda.is_available（）在colab中返回false

5 个答案: