调用conda list有pytorch包但是torch.cuda.is_available没有定义

这可能是因为你的PyTorch安装没有包含CUDA。尝试重新安装PyTorch并选择与你的CUDA版本匹配的版本。您还可以尝试在Python中重新导入PyTorch和torch.cuda以确保它们可以正常工作。例如：

import torch
print(torch.cuda.is_available())

如果这仍然没有解决问题，可能需要检查CUDA的安装以及是否正确配置了GPU驱动程序和CUDA。

相关问题

AttributeError: module 'torch._C' has no attribute '_mps_currentAllocatedMemory'

这个错误是因为您安装的torch库不支持GPU，而您的代码中调用了GPU相关的函数或属性。根据您提供的引用内容，您查询到的结果显示torch.cuda.is_available()返回的是False，这意味着您当前的环境只支持CPU而不支持GPU。因此，当您尝试使用GPU相关的函数时，就会出现AttributeError: module 'torch._C' has no attribute '_cuda_setDevice'的错误提示。

要解决这个问题，您有两个选择：
1. 如果您的计算机没有GPU或者您只需要使用CPU进行计算，您可以继续在当前环境下使用torch。您可以将代码中的GPU相关函数或属性替换为相应的CPU版本函数或属性，以保证代码正常运行。
2. 如果您的计算机有GPU并且您想要使用GPU进行计算，您需要安装与您的GPU相匹配的torch版本。根据您提供的引用内容，您安装的torch版本为1.10.0，可能不支持您的GPU。您可以查看pytorch官方网站或者使用conda-forge等渠道，找到适合您GPU的torch版本，并按照相应的指引进行安装。

总之，要解决AttributeError: module 'torch._C' has no attribute '_mps_currentAllocatedMemory'错误，您需要确保您的torch版本与您的计算机环境（CPU或GPU）相匹配，并根据需要进行相应的调整。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [学习记录：AttributeError: module ‘torch._C‘ has no attribute ‘_cuda_setDevice](https://blog.csdn.net/weixin_47247597/article/details/130113980)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]

安装cuda对应的pytorch

根据引用和引用的内容，安装CUDA10.0对应的PyTorch的步骤如下：

1. 首先，需要安装好CUDA和cuDNN。你需要确保你的电脑的GPU驱动版本与所安装的CUDA版本相匹配。
2. 创建一个名为pytorch的虚拟环境。你可以在Anaconda prompt命令界面中输入以下命令：

   conda create -n pytorch python=3.7

3. 激活pytorch环境。你可以使用以下命令激活环境：

   conda activate pytorch

4. 安装对应CUDA10.0的PyTorch。你可以使用以下命令来安装：

   conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

如果安装出错，你可以手动下载torch包，并将其拷贝至Anaconda3指定路径下。然后使用以下命令继续安装：

   conda install --use-local pytorch-1.7.0-py3.7_cuda101_cudnn7_0.tar.bz2

5. 验证环境安装成功，能成功调用GPU。在Anaconda prompt命令界面中输入以下命令，确保安装成功：

   activate pytorch
   python
   import torch
   torch.cuda.is_available()

如果显示True，则表示安装成功。

所以，根据以上步骤，你可以安装CUDA10.0对应的PyTorch。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [pytorch的安装](https://blog.csdn.net/weixin_42934729/article/details/123064382)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [基于cuda10.0的pytorch深度学习环境配置](https://blog.csdn.net/shine_Lee_/article/details/123747910)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]