1. 环境搭建类错误(入门第一坑,新手必踩)
1.1 错误1:忽略CUDA版本,盲目安装PyTorch
错误表现:直接运行pip install torch安装最新版PyTorch,导致与显卡驱动不兼容,出现CUDA runtime error或torch.cuda.is_available()返回False。
技术原理:PyTorch的GPU版本需要严格匹配:
- NVIDIA显卡驱动版本
- CUDA Toolkit版本
- cuDNN版本
三者形成依赖链,任意环节版本不匹配都会导致GPU不可用。
正确操作(以当前主流环境为例):
- 首先通过
nvidia-smi查看显卡驱动版本(右上角显示的CUDA Version是驱动最高支持的CUDA版本) - 访问PyTorch官网获取版本匹配命令,例如:
bash复制# 对于CUDA 11.7的环境
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117
- 验证安装:
python复制import torch
print(torch.cuda.is_available()) # 应输出True
print(torch.version.cuda) # 应显示实际CUDA版本
避坑经验:
- 生产环境强烈建议使用conda管理环境,能自动解决依赖问题:
bash复制conda create -n openclaw python=3.8
conda install pytorch torchvision cudatoolkit=11.7 -c pytorch
- 笔记本用户注意:部分笔记本的Optimus技术会导致PyTorch无法检测到独显,需要在NVIDIA控制面板中强制使用高性能GPU
1.2 错误2:不安装requirements.txt,手动安装依赖包
错误表现:手动逐个安装依赖包,导致:
- 包版本冲突(如numpy版本过高引发兼容性问题)
- 遗漏隐式依赖项(如未安装opencv-python-head
