1: 準備工作

針對已經安裝好的Windows11系統，先檢查Nvidia驅動和使用的CUDA版本情況。先打開Windows PowerShell，通過nvidia-smi命令查看GPU的情況，結果如下圖1所示，從結果中可知使用的CUDA版本為12.8。

圖1：檢測安裝好的CUDA版本情況

然后，通過Pytorch官網（https://pytorch.org/），查看目前Pytorch的穩定版本支持的CUDA版本，從下圖2中可以發現最高支持的CUDA是12.6。因此需要降低已經安裝Nvidia驅動的CUDA版本。

圖2：Pytorch和CUDA的匹配情況

我的方法是，重新安裝包含CUDA12.6的NVIDIA Studio驅動。CUDA版本和驅動的匹配情況可以通過下面的鏈接查看。從圖3的結果中可以知道，可以選擇560、561等版本的驅動。https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

圖3：CUDA版本和驅動的匹配情況

可以通過直接搜索對應的版本，然后直接下載，對應的版本情況如下圖4所示：

圖4：版本560.94的Nvidia驅動

也可以通過https://www.nvidia.cn/geforce/drivers/網站搜索可以使用的驅動并下載，圖5展示的是搜索到的可用的Nvidia Studio驅動（深度學習計算建議安裝Nvidia Studio類型的驅動）。這次選擇的驅動版本為560.81。

圖5：搜索到的Nvidia Studio驅動

下載560.81版本的Nvidia Studio后，直接安裝即可，Nvidia會自動對已經安裝的驅動進行必要的替換。安裝完成后，重新使用nvidia-smi后可見CUDA的版本已經為12.6。如圖6所示。

圖6：查看新的CUDA版本

2: 安裝Python

Python的安裝可以通過Anaconda來完成，Anaconda的下載鏈接如下：https://www.anaconda.com/download/success，下載界面如下圖7所示，選擇下載Windows版本對應的安裝程序。

圖7：Anaconda下載界面

安裝Anaconda完成后，打開應用后的界面如下圖8所示：

圖8：Anaconda應用界面

在安裝好的Python應用中，針對Pytorch創建一個新的環境，用于安裝Pytorch相關的庫。圖9展示的是創建了名字為Pytorch26的新環境，用于后續安裝Pytorch2.6版本。

圖9：在Anaconda中創建新的Python環境

3: 安裝GPU版本的Pytorch

通過安裝Anaconda時同步安裝的Anaconda Prompt，來安裝GPU版本的Pytorch。需要先通過activate Pytorch26命令激活新建的Pytorch26。然后通過pip相關的命令，進行Pytorch安裝。安裝命令可以通過圖10中直接復制。

圖10：獲取安裝Pytorch的命令行

安裝Pytorch時在Anaconda Prompt需要運行的命令行下如圖11所示，圖12展示了已經成功安裝的相關庫。

圖11：在Anaconda Prompt需要運行的命令

圖12：已經成功安裝的相關庫

在安裝成功后，可以打開Python的JupyterLab應用，來查看Pytorch26環境中是否已經成功安裝GPU版本的Pytorch。命令和對應的結果如圖13所示，可以發現，已經成功安裝了GPU版本的Pytorch2.6。

圖13：檢查是否成功安裝GPU版本的Pytorch