Visual Studio code 下安装 Pytorch，torch.cuda.is_available()返回False

目前，网上的关于Pytorch的环境搭建有大量的资源，CSDN，B站等。这里我也参考了一下，大概的步骤是，（1）Anaconda官网下载安装Anaconda3（500M左右），（2）进入Pytorch官网，下载Pytorch（700M左右），（3）安装编译器Pycharm等。具体可以很方便地通过搜索找到。当然视频可能更利于大家模仿学习。

Visual Studio Code 下使用pip安装Pytorch

如果路过的朋友习惯用的是Visual Studio Code的话，那么就可以follow我的方法来做。在Visual Studio Code 下进行Pytorch的安装，这里我首先需要说明的是，我使用的是pip惊醒源的下载。首先，进入Pytorch的官网。

图1

在VS code 中的teiminal通过pip进行安装。

图2

安装完成之后，进入python，通过import torch 来判断是否成功安装了Pytorch及Cuda。如上图。

电脑双显卡，如何启用英伟达显卡

我们尽管我们可以import torch，但是torch.cuda.is_available()返回的是False，这说明Cuda不能使用，这显然和显卡有关，于是我去电脑的设备管理器中查看我的电脑显卡，发现我的电脑是双显卡的配置（台式机），所以，我需要查看我正在使用的是不是英伟达显卡，这里很简单，只需要鼠标右击选择启用就行，同时，将另一个显卡，如我的HD Graphics 630禁用。

图3 查看电脑双显卡

操作完成之后，我们可以进入任务管理器，详细信息查看正在使用的GPU，如下图，使用的是NVIDIA GeForce GT 710.

图 4

但是经过上述的操作之后，仍然不能使用Cuda。torch.cuda.is_available() 返回的仍然是False。这一步，很好解决，首先怀疑是不是Cuda的版本与显卡驱动的版本不一致导致的。这个可能性是非常大的，于是，进入NVIDIA官网，选择对应的显卡版本，型号及最新的驱动程序（500M左右）。

图 5

下载好之后，直接进行默认路径安装。之后我们重新来到Visual Studio Code中进行确认。此时，发现已经正确安装。

图6

总结

在Visual Studio Code 的terminal中使用pip来安装，并最终安装成功，对于已经安装了VS code的人来说是非常方便的，相比于Anaconda 和 Pycharm的一些配置，这样的安装比网上纷繁复杂的方式来说少去了很多过程。整个安装下来大概花了一个下午的时间，多数的时间是在下载中花去的。尽管也遇到了一定的坑，但解决起来还是很方便的。