关于torch.cuda.is_available()一直返回False的解决办法

本文主要提供不同与其他办法的一种解决办法，即作者亲身经历
使用 显卡NVIDA GeForce MX250

问题原由

最近在学习用pytorch实现训练模型，刚好学到使用pytorch进行GPU加速。但是通过上网查询不同的解决办法，但是torch.cuda.is_available()一直返回False，直到看见了知乎中的一个解决办法。
现在就让我为大家总结一下解决问题大概过程。

解决问题流程

1.首先打开命令行输入nvidia-smi查看GPU状态

2.下载CUDA

可以发现该GPU支持的是cuda11.0，所以应该从官网上下载11.0的CUDA，注意在这儿pytorch与CUDA的版本一定要适配

首先前往官网下载CUDA可以参照这篇文章Win10中CUDA、cuDNN的安装与卸载

3.查看pytorch版本

然后在查看pytoch版本，可以去Python解释器上输入
import torch torch.__version__

可以看见我的pytorch版本是1.71，然后通过这篇文章为何torch.version.cuda返回None？我们可以发现在官网首页上安装的pytorch套装是CPU版本的，现在我们应该手动安装GPU的安装包（就是把*装上）

下载合适的wheel

进入pytorch官网点击previous pytorch versions中找到自己适配的命令，复制相关命令到命令行

这是我的版本，仅供借鉴

下载完成后重新输入torch.cuda.is_available()

看到这个后眼泪差点掉下来，好吧我也只弄了几个小时而已

如果有什么不懂的私信我哦