Google VM (Linux) 上的 Pytorch 无法识别 GPU答案

【问题标题】：Pytorch on Google VM (Linux) does not recognize GPUGoogle VM (Linux) 上的 Pytorch 无法识别 GPU
【发布时间】：2020-04-20 18:37:52
【问题描述】：

我使用此可用映像创建了一个 Google VM 实例：

c1-deeplearning-common-cu100-20191226

说明

Google，深度学习图像：Base，m39（使用 CUDA 10.0），基于 Debian 的图像，使用 CUDA 10.0

然后我将 Anaconda 安装到此 VM 上，然后按照 Pytorch 网站的建议使用以下命令行安装 Pytorch：

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

（这对应于 Linux、Python 3.7、CUDA 10.1）

在 Python 中，我运行了这段代码来检查 GPU 检测：

import torch
torch.cuda.is_available()
False

来自 nvidia-smi 工具，这是在代码主体运行训练之后的结果：

(base) redexces.bf@tensorflow-1x-2x:~$ nvidia-smi
Thu Jan  2 01:33:10 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 410.104      Driver Version: 410.104      CUDA Version: 10.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  Tesla P4            Off  | 00000000:00:04.0 Off |                    0 |
| N/A   37C    P0    22W /  75W |      0MiB /  7611MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

显然，没有正在运行的进程，也没有分配任何内存。

这个问题似乎只与 Pytorch 相关；同一个 VM 还在一个单独的 conda 环境中安装了 Tensorflow-gpu，该环境可以识别 GPU 并按照我的预期使用它。

我是否遗漏了任何部分？同样的 CUDA 驱动程序和图像同样适用于 tensorflow。

【问题讨论】：

在安装过程中尝试cudatoolkit=10.0

标签： python gpu pytorch google-compute-engine

【解决方案1】：

我能够解决问题。不是计算机科学专家，我认为这可能是 nvidia 驱动程序兼容性问题。由于 Pytorch 是使用 CUDA 10.1 驱动程序构建的，并且深度学习映像安装了 CUDA 10.0，因此我创建了另一个 VM 实例，但这次我没有使用前面提到的公共映像，而是使用 gcloud 命令行指定深度学习与 cu10.1司机。这使得一切都按预期工作。

【讨论】：