AutoGluon在Windows装完GPU却识别不了？排查一次跑通

AutoGluon在Windows装完GPU却识别不了？排查一次跑通

【免费下载链接】autogluonFast and Accurate ML in 3 Lines of Code项目地址: https://gitcode.com/GitHub_Trending/au/autogluon

打开Python输入torch.cuda.is_available()，返回False；任务管理器里GPU明明空闲，AutoGluon训练却全程只烧CPU。这是Windows上装GPU版最典型的卡点，根子通常不在AutoGluon，而在它底下的PyTorch版本选错了——官方装的往往是CPU构建，GPU构建必须显式指定。本文给出官方推荐的conda安装路径和GPU检测机制，帮你定位num_gpus这类关键参数，跑完文末的验证代码就能确认训练真的落到了显卡上。

5分钟跑通：Windows GPU安装最短路径

官方GPU安装文档（docs/install-windows-gpu.md）给的是一条基于mamba的路径。先装mamba这个比conda更快的求解器，再一条命令装齐AutoGluon加CUDA版PyTorch：

conda create -n ag python=3.11 conda activate ag conda install -c conda-forge mamba mamba install -c conda-forge -c pytorch -c nvidia autogluon "pytorch=*=*cuda*" mamba install -c conda-forge "ray-tune >=2.10.0,<2.49" "ray-default >=2.10.0,<2.49"

最后一条装Ray，作用是让HPO和多模型并行训练时能正确分配GPU；不装也能跑，只是训练吞吐会慢一些。

装完立刻验证，这一步决定后面要不要排查：

import torch print(torch.cuda.is_available()) # 期望 True print(torch.cuda.device_count()) # 期望 >= 1

如果你看到的是True，直接跳到实战演示；如果是False，九成是装了CPU版PyTorch。

核心机制速览：AutoGluon怎么"看见"你的显卡

AutoGluon的GPU感知其实分两层。第一层在资源检测阶段：它并不靠import torch来数卡，而是走NVML接口直接问驱动"有几张卡"（见common/src/autogluon/common/utils/gpu_count.py），同时尊重CUDA_VISIBLE_DEVICES环境变量——你把某张卡藏起来，它照样能正确计数。这就像餐厅经理数灶台不是等厨师报数，而是直接看后厨布局图。

第二层在训练阶段：每个模型按num_gpus参数决定要不要上卡，默认值是0（CPU）。GPU可用时，AutoGluon会自动给支持的模型分配1张卡；训练中途如果某张卡显存不够，框架会回退到CPU继续跑，不会直接崩掉。

关键配置项如下：

这里有个坑：pip install torch不带参数默认装CPU版。Windows上想让GPU生效，必须确认装的PyTorch构建号里带cu前缀（如cu121）。

实战演示：用一个数据集验证训练落到GPU

准备阶段，加载官方示例数据集并训练60秒：

from autogluon.tabular import TabularPredictor data = TabularPredictor.load_dataset('https://autogluon.s3.amazonaws.com/datasets/Inc/train.csv') predictor = TabularPredictor(label='class').fit( data, time_limit=60, hyperparameters={'GBM': {'ag_args_fit': {'num_gpus': 1}}}, )

执行阶段：训练过程中看任务管理器"性能→GPU"页签，有PyTorch类模型（如NN_TORCH）时GPU-核心占用率应出现波动；GBM本身在CPU上跑，所以利用率不是持续拉满属正常现象。

验证阶段，确认GPU模型确实被选中：

print(predictor.leaderboard(silent=True))

预期输出：一张按得分排序的模型表。GPU识别正常时，表中会出现基于PyTorch的模型（例如NN_TORCH系列）；如果只有LightGBM/XGBoost等CPU模型，说明训练时框架没检测到可用GPU，回到第一节的验证代码重新排查。

⚠️ 高频问题速查

延伸方向

• docs/install.md：全平台安装总入口，uv/pip/conda多套方案对比，适合想换安装方式或排查依赖冲突的人
• docs/tutorials/tabular/tabular-quick-start.ipynb：Tabular预测器完整示例，适合装完环境想上手第一个业务场景的人
• docs/install-windows-conda-gpu.md：Windows GPU安装的原始命令出处，适合和本文命令逐行对拍的人

AutoGluon的GPU链路说白了就是"装对构建→让NVML数到卡→num_gpus分配到模型"这三件事，卡住时逐层往下查就行。没跑通？拿完整报错去仓库Issues搜关键词，Windows GPU相关的坑大概率已经有同款了。

【免费下载链接】autogluonFast and Accurate ML in 3 Lines of Code项目地址: https://gitcode.com/GitHub_Trending/au/autogluon