最近在安装PyTorch时遇到torch.cuda.is_available() = False的问题，特此记录下解决方法，以帮助其他遇到相同问题的人。
问题描述
Ubuntu 20.04，3060 Laptop，安装了CUDA 11.4，在Anaconda下新建了Python 3.8的环境，并且使用pytorch官网https://pytorch.org/get-started/previous-versions/，提供的如下安装指令
# CUDA 11.3
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch
安装适合11.3的版本是因为CUDA 11.4版本似乎比较特殊，官网并未提供适用于11.4的pytorch，经网上查询得知可以兼容11.3的。
然而，在虚拟环境中import torch之后使用torch.cuda.is_available()检查CUDA是否可用时，返回False。尽管电脑有GPU（执行nvidia-smi能够打印GPU信息），但无法利用其加速功能，非常无语。
以下是检查的步骤：
1. 确认PyTorch安装方式：
首先，需要确认PyTorch是以CPU版本还是GPU版本安装的。在自己创建的虚拟环境中，运行conda list命令查看已安装的PyTorch版本。如果发现安装的是CPU版本，需要将其卸载并重新安装GPU版本。
注意一个非常坑的地方：
用conda install安装的pytorch都是CPU版本的！！！
应该用pip install来安装
2. 卸载并且重新安装PyTorch：
如果发现安装的是CPU版本，需要卸载并重新安装PyTorch。强烈建议使用PIP安装方式，而不是通过conda安装。
进入虚拟环境，使用conda remove命令卸载PyTorch及相关包。例如：
conda remove pytorch torchvision torchaudio cudatoolkit
这将会卸载当前环境中安装的PyTorch、torchvision、torchaudio和cudatoolkit等包。
我换了另外一个版本安装
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113
3. 检查版本匹配性：
如果安装了GPU版本的PyTorch，但仍然遇到torch.cuda.is_available()返回False的问题，可能是版本不匹配导致的。请确保安装的PyTorch版本与CUDA版本相匹配，避免版本不一致导致的兼容性问题。
)
