torch.cuda.is_available()返回False的主因是PyTorch wheel、NVIDIA驱动支持的CUDA最高版本、Python版本三者未对齐；需以nvidia-smi显示的“CUDA Version”为基准选择对应cuXX编译版PyTorch，且无需手动安装CUDA Toolkit，一条pip命令即可完成安装与验证。

torch.cuda.is_available() 返回 False？别急着重装，90% 的问题出在版本链断裂——不是驱动没装，而是 PyTorch wheel、CUDA 驱动能力、Python 版本三者没对齐。

确认 NVIDIA 驱动支持的 CUDA 最高版本

打开命令提示符，运行：
nvidia-smi
看输出里 “CUDA Version” 这一行（注意：不是 nvcc -v 的结果）。比如显示 CUDA Version: 12.0，说明你的驱动最多能跑 CUDA 12.x 系统级 API，PyTorch 必须选 cu121 或 cu120 编译版，不能硬上 cu124。

常见误区：
– nvcc -v 显示 12.1 ≠ 驱动支持 12.1；它只代表你装了 CUDA Toolkit 12.1
– nvidia-smi 显示 12.0 才是底线，PyTorch 官方 wheel 必须 ≤ 这个数字（cu121 可向下兼容 12.0）
– 驱动过旧（如 511.x）可能只支持到 CUDA 11.6，强行装 cu121 版本必然失败

选对 pip 安装命令，绕过 CUDA Toolkit 手动安装

Windows 上绝大多数情况不需要手动装 CUDA Toolkit 和 cuDNN——PyTorch 官方 wheel 已静态链接所需 CUDA 运行时（cudnn, cublas, curand 等），只要驱动到位，一条 pip 就够。

推荐命令（适配 Python 3.12 + 驱动支持 CUDA 12.0）：
pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu121

立即学习“Python免费学习笔记（深入）”；

关键点：
– 不要用 conda install pytorch 混合源，conda 官方 channel 的 pytorch-cuda=12.1 有时滞后或打包不全
– --index-url 必须放在最后，否则 pip 会忽略它
– 国内加清华源要写成：-i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn，但不能和 --index-url 同时用（冲突）
– 如果已装过 CPU 版，先 pip uninstall torch torchvision torchaudio，再重装 GPU 版，避免残留冲突

Handsfree Windows Control

通过 handsfree-windows CLI控制 Windows 本机应用 (UIA) 和浏览器 (Playwright) 的引导技能，用于自动化或测试桌面应用。

下载

验证时别只看 torch.cuda.is_available()

执行以下三行代码，缺一不可：
import torch
print(torch.__version__)
print(torch.cuda.is_available(), torch.version.cuda)

预期输出类似：
2.4.0
True 12.1

如果 is_available() 是 True 但 torch.version.cuda 是 None 或空字符串，说明 wheel 加载 CUDA 运行时失败，大概率是：
– Windows Defender 或第三方杀软拦截了 torch_cuda.dll 加载（临时禁用试试）
– Python 路径含中文或空格（重装到 D:\pytorch_env 这类纯英文路径）
– 多个 Python 环境混用，pip 和 python 不指向同一环境（用 where python 和 where pip 对比）

VS Code / Jupyter 中 GPU 不生效？检查 Python 解释器绑定

即使命令行验证成功，VS Code 或 Jupyter 仍可能用错解释器：

– 在 VS Code 中按 Ctrl+Shift+P → 输入 “Python: Select Interpreter”，确认选中的是你刚装 PyTorch 的那个环境（路径含 envs\pytorch 或 anaconda3）
– Jupyter 启动前先激活 conda 环境：conda activate pytorch，再运行 jupyter notebook，不要直接双击 .ipynb 文件
– 检查 kernel 是否匹配：新建 notebook 后，右上角 kernel 名称应为 Python (pytorch)，不是 Python (base) 或系统默认 Python
– 若 kernel 列表里没有对应项，运行：python -m ipykernel install --user --name pytorch --display-name "Python (pytorch)"

真正卡住的地方，往往不是“怎么装”，而是“装给谁用”——Python 解释器、pip、CUDA 运行时、IDE kernel，四者必须严格同源。一旦跨环境，torch.cuda.is_available() 就成了薛定谔的猫。