1. 安裝 NVIDIA?顯卡驅動

• 前往?NVIDIA官網?下載并安裝適合你顯卡型號（如?5070Ti）的最新版驅動。
• 下載 NVIDIA 官方驅動 | NVIDIA
• 安裝完成后建議重啟電腦。

2. 安裝?CUDA?Toolkit

• 前往?CUDA Toolkit 下載頁。

• 選擇?Windows、x86_64、你的系統版本，建議選擇?CUDA?12.1（與?PyTorch?官方?whl?兼容性最好）。
• CUDA Toolkit 12.9 Update 1 Downloads | NVIDIA Developer

• 下載并安裝，務必勾選“添加到環境變量”。
• 或者手動添加：

• C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.x\\bin

  

• 安裝完成后，重啟電腦。

3. 檢查?CUDA?是否安裝成功

• 打開命令行，輸入：

• nvcc --version

  能看到 CUDA?版本號（如?release?12.1 或?12.9）即為成功。

• 

4. 安裝?cuDNN（可選）

• PyTorch?官方?whl?已自帶 cuDNN，通常無需單獨安裝。

5. 安裝?PyTorch?GPU?版本

• 強烈建議用?PyTorch?官方?CUDA?12.1?源安裝（速度慢但最全）：

• ??pip?install?torch?torchvision?torchaudio?--index-url?https://download.pytorch.org/whl/cu121

• 如果你想用國內鏡像（速度快，但不一定有最新?GPU?版）：

安裝后請用下面的代碼檢查是否為 GPU 版。

6. 檢查?PyTorch 是否能用?GPU

在?Python?里運行：

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())
if torch.cuda.is_available():print(torch.cuda.get_device_name(0))

• torch.cuda.is_available()?為 True，且能輸出你的顯卡型號，說明配置成功。
• 

7. 常見問題與排查

• torch.cuda.is_available()?為 False：

• 檢查?CUDA?Toolkit?是否安裝并加到?PATH。

• 檢查 PyTorch?是否為 GPU?版（不是?+cpu）。

• 檢查?CUDA?版本和?PyTorch?CUDA?版本是否兼容。

• 重啟電腦。

• nvcc?找不到：說明 CUDA 沒裝好或沒加到環境變量。

• 遠程桌面有時會導致?CUDA 不可用，建議本地物理機測試。

8. 訓練腳本自動用?GPU

只要?torch.cuda.is_available()?為 True，你的訓練腳本會自動用?GPU，無需額外修改。