检查系统CUDA版本

• Windows

nvidia-smi.exe

• Ubuntu

# 安装驱动
sudo apt install nvidia-driver-535 
# 重启系统，让新驱动生效
sudo reboot
# 查看驱动最高支持的CUDA版本
nvidia-smi

安装PyTorch脚手架

Windows

• 方式1 - 命令行安装

  进入官网 PyTorch，选择对应平台和CUDA版本

  

  复制命令执行

  pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu129

• 方式2 - 下载离线包

  进入网址 PyTorch离线包

  

  找到下载文件所在的文件夹，运行命令：

  pip install "cu121/torchvision-0.18.1%2Bcu121-cp38-cp38-win_amd64.whl"

• 测试环境

命令行运行：

python
>>> import torch
>>> print(torch.cuda.is_available())

返回 True 表示安装成功，False 表示安装失败。

Ubuntu

1. 升级系统CUDA版本(可选)

   • 移除旧版本(关键步骤)

     # 卸载所有通过apt安装的cuda工具包包
     sudo apt --purge remove "*cuda*" "*cublas*" "*cufft*" "*cufile*" "*curand*" "*cusolver*" "*cusparse*" "*gds-tools*" "*npp*" "*nvjpeg*" "nsight*" "*nvvm*"
     # 注意：这个命令不会移除NVIDIA驱动本身
     sudo apt autoremove

   • 下载CUDA Toolkit, 选择平台（Linux -> x86_64 -> Ubuntu -> 24.04 -> deb (network)）

   • 按照官方提示的安装指令安装新版本的CUDA Toolkit

   • 更新环境变量.bashrc

     # 替换原来的环境变量
     export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
     export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

   • 让更改立即生效：

     source ~/.bashrc

   • 检查cuda版本

     nvcc --version

   

2. 下载对应pyTorch包

3. 测试验证(python命令行)

   import torch
   torch.cuda.is_available()

检查版本对应关系

命令行运行：

pip list

查看 PyTorch 和 torchvision 的版本是否对应

解决版本不匹配问题

如果发现 PyTorch 和 torchvision 的版本不匹配，可以通过以下方式解决：

1. 卸载当前版本：

   pip uninstall torch torchvision

2. 重新安装匹配的版本：

   pip install torch==<version> torchvision==<version> --index-url https://download.pytorch.org/whl/cu129