PyCharm中PyTorch代码无法使用GPU? 试试这篇指南!

如果您在PyCharm中运行PyTorch代码时发现GPU没有被使用, 别担心! 这可能是因为您的PyCharm尚未正确配置GPU环境。以下是解决此问题的详细步骤:

1. 确认CUDA和cuDNN安装:

首先, 请确保您已经正确安装了与您的GPU兼容的CUDA和cuDNN。您可以访问NVIDIA官网下载对应版本的安装包并按照官方指南进行安装。

2. 配置PyCharm环境:

打开PyCharm, 进入 '设置' (Settings)。
选择 '项目: 项目名称' -> 'Python解释器' (Project: Project Name -> Python Interpreter)。
在右侧的 '解释器' (Interpreter) 下拉菜单中选择您想要使用的Python解释器。
点击解释器右侧的设置图标, 选择 '显示全部' (Show All)。
在弹出的窗口中选择 '环境变量' (Environment variables)。
点击 '+' 添加以下两个环境变量:
- CUDA_VISIBLE_DEVICES=0: 如果您只有一个GPU设备, 可以直接使用 '0'; 如果您有多个GPU设备, 请将 '0' 替换为您的目标GPU设备ID。
- LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH: 请确保 '/usr/local/cuda/lib64' 路径与您CUDA安装路径一致, 如果不同请修改为您的实际路径。

3. 验证GPU是否可用:

完成以上设置后, 您可以尝试运行一段简单的PyTorch代码来验证GPU是否已经可以使用:

import torch

if torch.cuda.is_available():
    print('GPU is available!')
else:
    print('GPU is not available.')

如果输出 'GPU is available!', 则说明您已经成功配置GPU! 如果问题仍然存在, 请参考PyTorch官方文档中的GPU设置指南获取更多信息, 或提供更多错误信息以便我们更好地帮助您解决问题。