pytorch和cuda，已安装cuda，之前测试好好的，突然torch.cuda.is_available()返回结果为FALSE，怎么解决？

一、问题背景

本人正准备学习yolo算法，然后提前已经安装了CUDA模块，以及对应的pytorch版本。

下载yolo源代码后，readme.txt中建议我用pip install -U -r requirement.txt方法安装依赖库。

当时我注意到torch被重新安装了一遍，但是当时没留心，以为应该不是什么问题。

后来，在实际用yolo跑数据集的时候，发现哪怕device设置成cuda:0，也没办法使用GPU。

于是我import torch后，执行torch.cuda.is_available()，返回的结果是False。

在导入torch的情况下，继续执行torch.__version__，查看torch的版本，发现竟然是CPU的版本；而我当时安装的时候是GPU版本，极有可能是当时用requirement.txt文件安装的时候它默认给我重装成cpu版本了。

接着，我在cmd黑窗口中运行nvcc -V，返回的结果很正常，cuda已经正常安装。

安装了CPU版本的torch，用torch.cuda.is_available()返回的结果当然是False了

不管有没有装CUDA模块……，torch版本不对就不行！就不能用GPU进行训练！

二、解决方法

重装pytorch相关的模块，比如torchvision、torchaudio、torch。

三、教训总结

千万不要随便用指令pip install -U -r requirement.txt，因为-U指令表示如果txt文件中包括和已安装库相同的库，则安装最新版本（鬼知道这个版本是哪个让人头麻的、BUG满天飞的版本呢？）；至于如果在requirement.txt中指定版本安装，会不会安装指定版本，就不得而知了，如果你正好知道，不妨在评论区分享一下。如果不想要更新库，可以去掉-U，这样一旦有同名库存在，就不会安装。

因此建议在使用requirement.txt安装依赖库时，先去看看是否有类似Pytorch、TensorFlow这种大型依赖库，这种库不同版本之间差异很大的，并且因为体积太大，一旦版本不合适，就需要花费很大的精力去卸载和重装。

可能比较麻烦，但是绝对实用的建议是，你想要测试对方的什么代码，就直接用他的requirement.txt文件安装一个新创建的虚拟环境；别在一个环境中装太多东西了！不然出问题了，花费的时间，远比你创建一个新环境的时间多得多！