?相關參考資料（往期博客）：
是否需要預先安裝 CUDA Toolkit？——按使用場景分級推薦及進階說明-CSDN博客
太方便，WIN系統CUDA12.4下使用conda便捷管理虛擬環境中的不同版本的CUDA、cuDNN、PyTorch-CSDN博客
?好消息，最新CUDA和cuDNN安裝，倆都可以用exe安裝包直裝了 CUDA12.6.3和cuDNN9.6.0 Windows系統 省事_cuda最新版本-CSDN博客
在WSL2-Ubuntu中安裝CUDA12.8、cuDNN、Anaconda、Pytorch并驗證安裝_cuda 12.8 pytorch版本-CSDN博客?
新系統安裝CUDA12.8卡在installing Nsight visual studio edtion界面不動的解決方案_cuda12.8安裝失敗-CSDN博客?
在WSL2-Ubuntu中安裝CUDA12.8、cuDNN、Anaconda、Pytorch并驗證安裝_cuda 12.8 pytorch版本-CSDN博客?
CUDA Toolkit 12.9 與 cuDNN 9.9.0 發布，帶來全新特性與優化_cuda12.9-CSDN博客?
升級 CUDA Toolkit 12.9 與 cuDNN 9.9.0 后驗證指南：功能與虛擬環境檢測_cuda 12.9-CSDN博客?
“100% 成功的 PyTorch CUDA GPU 支持” 安裝攻略_torch cuda 安裝-CSDN博客?
?
🚩PyTorch 的 CUDA GPU 支持 · 安裝五條鐵律（最新版 2025 修訂）
鐵律一：CUDA 支持的“上限版本”由顯卡驅動決定
我們能使用的最高 CUDA 版本，不由 PyTorch 決定，而由 NVIDIA 驅動版本決定。
📌 使用 nvidia-smi 可查看當前驅動支持的 CUDA 上限（如 CUDA 12.9）。
?
鐵律二：安裝命令最好來自 PyTorch 官網，需明確指定 CUDA 版本號
默認
pip install torch只安裝 CPU 版本，要啟用 GPU，必須選對帶 CUDA 后端的版本。
📌 當前（2025年6月）僅 pip 提供到?CUDA 12.8?安裝命令，conda 尚未支持到此版本。
🧭 官網安裝命令地址：
https://pytorch.org/get-started/locally
?📌 pip?命令示例（CUDA 12.8）：?
# PyTorch 2.7.1 穩定版 & CUDA 12.8
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128📌 conda 命令示例（CUDA 12.1）：?
# 此 conda 命令默認安裝 pytorch torchvision torchaudio 三件套及其依賴的最新穩定版本（conda渠道版）支持 cuda 12.1
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
?
?
鐵律三：安裝過程需確保網絡通暢，尤其訪問 PyTorch CDN
GPU 安裝包體積大（大幾?GB），且來自國外服務器，網絡失敗會導致安裝為 CPU-only 版本，且無提示。
📌 使用科學上網、鏡像代理，或提前下載 .whl 文件后離線安裝。
?
?
鐵律四：安裝時必須三件套齊全，版本匹配保持一致
PyTorch 官網當前發布的最新穩定版本為 PyTorch 2.7.1，安裝命令盡量從官網獲取，盡量不要自己手動拼接對齊版本號。
📌 如果我們要指定以前的版本（指定舊的版本號），盡量參照官網的舊版本安裝頁，按表格一一對應：
-
Previous Versions of PyTorch
?
?📌 pip 命令示例（torch 指定 2.6.0 & cuda 指定12.6）：??
pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu126
?
?📌 conda?命令示例（torch 指定 2.5.1?& cuda 指定1X.X）：??
# CUDA 11.8
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia
# CUDA 12.4
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.4 -c pytorch -c nvidia
# CPU Only
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 cpuonly -c pytorch鐵律五：安裝后必須驗證 GPU 是否真正被識別和啟用
成功安裝不等于 GPU 可用，必須運行驗證代碼或使用
nvidia-smi觀察 PyTorch 是否調用 GPU。
📌 推薦驗證腳本：
import torch # 導入 PyTorch 庫print("PyTorch 版本：", torch.__version__) # 打印 PyTorch 的版本號# 檢查 CUDA 是否可用，并設置設備（"cuda:0" 或 "cpu"）
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("設備：", device) # 打印當前使用的設備
print("CUDA 可用：", torch.cuda.is_available()) # 打印 CUDA 是否可用
print("cuDNN 已啟用：", torch.backends.cudnn.enabled) # 打印 cuDNN 是否已啟用# 打印 PyTorch 支持的 CUDA 和 cuDNN 版本
print("支持的 CUDA 版本：", torch.version.cuda)
print("cuDNN 版本：", torch.backends.cudnn.version())# 創建兩個隨機張量（默認在 CPU 上）
x = torch.rand(5, 3)
y = torch.rand(5, 3)# 將張量移動到指定設備（CPU 或 GPU）
x = x.to(device)
y = y.to(device)# 對張量進行逐元素相加
z = x + y# 打印結果
print("張量 z 的值：")
print(z) # 輸出張量 z 的內容驗證PyTorch深度學習環境Torch和CUDA還有cuDNN是否正確配置的命令-CSDN博客?
?
? 總結一句話：
PyTorch GPU 安裝，不靠猜：驅動決定上限，命令來自官網，三件套版本對齊裝，聯網順利下載全，驗證支持才算完。
🧭 補充說明 （最新版 2025 修訂）
一般無需手動安裝 CUDA Toolkit（除非我們要開發/編譯）
pip/conda 安裝包已包含 CUDA runtime + cuDNN，正常使用 PyTorch 一般不需要另外預裝 CUDA 工具鏈。
📌 開發 C++ 擴展、自行編譯 PyTorch 則需要本地 CUDA 工具鏈。
使用 pip/conda 安裝的 PyTorch，已內置所需的 CUDA runtime 和 cuDNN，大多數用戶無需單獨安裝 CUDA 工具鏈。
📌 只有在以下情況才需要本地安裝 CUDA Toolkit：
-
需要編譯 PyTorch 或其 C++ 擴展模塊；
-
需要使用 nvcc 等 CUDA 開發工具鏈。
是否需要預先安裝 CUDA Toolkit？——按使用場景分級推薦及進階說明-CSDN博客?
?
?
