torch.cuda.is_available()返回false说明gpu路径彻底断开，需依次检查nvidia-smi输出、pytorch包名是否含cuda、torch.version.cuda与nvcc --version主版本是否一致，最后用torch.ones(1).cuda()验证真实可用性。
torch.cuda.is_available() 返回 False，说明 PyTorch 根本没连上 GPU —— 不是“默认用 CPU”，而是 GPU 路径彻底断了。
先确认宿主机是否真能看见 GPU
PyTorch 不会自己找显卡，它只信任 nvidia-smi 的结果。如果这个命令都报错或没输出 GPU 信息，后面所有 Python 检查都是白忙。
- 运行
nvidia-smi，看是否显示驱动版本和 GPU 名称（如 RTX 4090） - 若提示
NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver，说明内核模块没加载，需重装驱动或检查 secure boot 是否禁用 - 若显示
No devices were found，可能是 PCIe 插槽接触不良、BIOS 中禁用了 GPU 或使用了集显直连模式
检查 conda/pip 安装的到底是哪个 PyTorch
conda 会“自动降级”：当你指定 cudatoolkit=12.1，但官方源里没有对应 CUDA 版本的 GPU 版 PyTorch 时，它可能悄悄装一个 pytorch-*-cpu_* 包来凑数。
A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input.
下载
调用 Cutout.Pro 视觉处理 API 进行背景移除、人像抠图和照片增强，支持文件上传与图片 URL 输入。
- 运行
conda list pytorch，看安装包名是否含cuda（如pytorch-2.3.1-py3.11_cuda12.1.105_0）还是cpu（如pytorch-2.3.1-py3.11_cpu_0） - 用
python -c "import torch; print(torch.__file__)"确认当前 import 的路径是否在你激活的 conda 环境里（避免误用全局或旧环境） - 不要依赖
pip show torch的 Summary 字段，它常写 “CUDA enabled” 即使实际是 CPU 版——以文件名和torch.version.cuda为准
验证 PyTorch 绑定的 CUDA 版本是否匹配系统
torch.version.cuda 是编译时硬编码的版本号，不是你本地 nvcc --version 的结果。两者不兼容就会静默回退到 CPU。
- 运行
python -c "import torch; print(torch.version.cuda)"，得到类似12.1的字符串 - 运行
nvcc --version，看输出的release 12.1, V12.1.105是否主版本一致（12.1对12.1✅，12.1对12.3❌） - 注意：
nvidia-smi右上角的CUDA Version: 12.2表示驱动支持的最高 CUDA 版本，不是你装的 toolkit 版本 —— 它只是上限，不是实际运行环境
最后一步：强制触发 CUDA 初始化
有些环境（尤其是 Docker 或 WSL2）下，is_available() 可能返回 True 但后续分配失败。用最小操作验证真实可用性：
- 运行
python -c "import torch; x = torch.ones(1).cuda(); print(x.device)" - 若报错
CUDA error: no kernel image is available for execution on the device，说明 GPU 架构不匹配（比如 PyTorch 编译时没包含 sm_86 支持，但你的 RTX 4090 需要它） - 若报错
libcudart.so.XX: cannot open shared object file，说明LD_LIBRARY_PATH没包含 CUDA toolkit 的 lib64 目录
真正卡住的地方往往不在代码里，而在 conda 包名后缀、torch.version.cuda 和 nvcc --version 三者的微小错位——差一个小数点，就全程 CPU 跑。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
