【要約】uvでPyTorchのCUDA版が入らない？pyproject.tomlの設定とGPUエラーの回避策 [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
筆者がWindows環境でuvを用いてPyTorchを導入した際、GPUが認識されない問題に直面した。\n・uvのデフォルト設定では、CUDA対応版ではなくCPU版が選択される。\n・ドライバのCUDAバージョン（13.0）に合わせると、PyTorch側が未対応でエラーとなる。\n・古いCUDA（11.8）へ下げると、Python 3.12向けのビルドがなく解決不能になる。
// Approach
筆者はpyproject.tomlの設定を修正し、特定のCUDAバージョン向けインデックスを明示的に指定する手法をとった。\n・[[tool.uv.index]] を使用し、explicit = true でインデックスを定義する。\n・[tool.uv.sources] で torch と torchvision の取得先を当該インデックスに固定する。\n・.venv と uv.lock を削除し、uv sync --no-cache で環境を再構築する。
// Result
環境の再構築により、古いGPU環境でもPyTorchがCUDAを正常に利用できるようになった。\n・torch.cuda.is_available() が True を返すことを確認した。\n・Tensorの配置先が cuda:0 になり、GPU演算が可能となった。\n・GeForce GT 1030（Pascal世代）でもCUDA 12.1版が動作することを示した。
Senior Engineer Insight
> uvは高速だが、PyTorchのような複雑なバイナリを扱う際はインデックスの明示的な制御が不可欠だ。ドライバのCUDAバージョンとPyTorchが要求するバージョンの違いを混同すると、解決不能な依存関係の沼に陥る。特にPythonのバージョンアップに伴い、古いCUDA版のビルドが提供されなくなるリスクを考慮すべきである。開発環境の再現性を担保するためには、pyproject.tomlによる厳密なソース指定を標準化すべきである。