Pattern
场景: Python项目中依赖GPU加速(PyTorch/CUDA),nvidia-smi显示GPU可用但实际torch安装的是CPU-only版本,导致运行时CUDA错误。环境检查不充分导致反复试错。
方法: 环境检查不只是pip list | grep torch,必须加上python -c "import torch; print(torch.cuda.is_available())"。任何GPU依赖的模块在首次使用前必须实际验证CUDA可用性,不能假设。
边界: 适用于Python/CUDA生态。其他GPU框架(JAX/TensorFlow)需对应修改验证命令。纯CPU环境不适用。
来源: task-026 (混剪引擎V2.0) - 2026-07-27