一、问题描述

之前配置过一个pytoch的虚拟环境，并且调用cuda也可用，但是在做项目的时候，想下载一些工具包，下载时出现了一些问题，上网解决时候告诉我利用conda update all更新conda即可，于是我更新了，至此之后我的cuda就不可用了，出现torch.cuda.is_available()返回False的问题

 二、问题分析

之前我的虚拟环境中cudNN可用，但是cuda在pytorch调用不出来，大概率还是pytorch版本对应的问题，就是之前下载的pytorch版本是1.12.1对应cuda11.3，然后我更新了conda update all，这时我更新后的pytorch版本是1.13.0，官网上pytorch1.13.0对应的cuda版本是11.6和11.7，但是我的虚拟环境中的cuda还是11.3，没有更新，两个东西的版本不对应所以gpu调用不了。于是设想

解决方案一：重新在nvidia官网下载pytorch1.13.0对应cuda11.6或者11.7版本，还有cuda对应的cudNN，这样不仅麻烦而且费时费力。

解决方案二：重新配置新的虚拟环境简单便捷，省时高效，而且完美解决存在的问题。

三、解决方案

在没解决问题之前，也看了网上大佬的各种解决方案，然后看的云里雾里的，于是更换思路，决定直接新创建个虚拟环境,嘎嘎管用。具体操作流程：

（1）首先创建个新的虚拟环境（原来不能调用cuda的虚拟环境不用卸载，后面有用！）

conda create -n your_env_name(虚拟环境名称) python==xx(想要创建的虚拟环境的python版本号)

自己取个新的虚拟环境名字，然后python版本可以选择3.8或者3.9，这里我选择3.8版本的python

（2）然后创建即可

出现这几行代码则代表创建成功

（3）创建成功之后，输入以下指令，切换到新创建的虚拟环境

conda activate your_env_name(虚拟环境名称)

 然后就会切换到新的虚拟环境，这时新的虚拟环境里是没有torch和cuda的，需要重新去pytorch官网中安装。

（4）这里建议选择cuda不可用之前的pytorch（cuda）版本（之前我安装的是pytroch1.12.1，cuda11.3所以选择安装和之前一样的，因为之前不能调用cuda的虚拟环境中还有这些安装包，不用重新下载，节省时间）

 (5)安装之前记得添加国内镜像源，然后等待安装即可，最后在新的虚拟环境中测试cuda是否可用。（我原来的虚拟环境名称lxpytorch，现在新创建的名称lxpt2）

 

 测试新创建的环境cuda可用！（在pycharm中测试也可以）