在PyTorch中使用CUDA, pytorch与cuda不同版本对应安装指南，查看CUDA版本，安装对应版本pytorch

[1 查看本机CUDA版本](#1 查看本机CUDA版本)

[2 查看对应CUDA的对应pytorch版本安装](#2 查看对应CUDA的对应pytorch版本安装)

[3 用pip 安装](#3 用pip 安装)

[4 用conda安装](#4 用conda安装)

[5 验证安装](#5 验证安装)

在PyTorch中使用CUDA，根据你的具体环境和需求调整版本号，确保安装的PyTorch版本与你的CUDA版本兼容。

在PyTorch中使用CUDA，你需要确保正确安装了匹配你的GPU的CUDA Toolkit。以下是在PyTorch中使用CUDA的一般步骤：

检查CUDA支持： 首先，确保你的GPU支持CUDA。你可以在官方CUDA支持列表上查找你的GPU型号。或者直接命令行

安装CUDA Toolkit： 下载并安装与你的GPU型号匹配的CUDA Toolkit。你可以从NVIDIA官网下载。在安装期间，可以选择安装适用于你的系统的CUDNN库。

安装cuDNN（可选）： cuDNN是NVIDIA的深度神经网络库，可以加速深度学习任务。在CUDNN下载页面下载适用于你的CUDA版本的cuDNN，并按照安装说明进行安装。

安装PyTorch： 选择合适的PyTorch版本并使用pip或conda进行安装。按下面步骤2执行。

如果电脑已经安装过CUDA Toolkit和cuDNN,则步骤如下：

1 查看本机CUDA版本

输入命令

复制代码

NVIDIA-SMI

如下，CUDA版本11.6

2 查看对应CUDA的对应pytorch版本安装

官网查看对应系统对应cuda版本对应pytorch版本的安装命令，链接如下

Previous PyTorch Versions | PyTorchAn open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/get-started/previous-versions/如图：

（一般pip安装会比conda安装较高效）。

3 用pip 安装

本文安装 torch 1.13.0+cuda11.6 ，命令如下

复制代码

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

注意：

这个命令将安装PyTorch、torchvision和torchaudio，并指定CUDA版本为11.6（注意：PyTorch的版本和CUDA版本可能会更新，确保使用适用于你系统的版本）。

请注意，使用pip安装时，你需要确保你已经安装了正确版本的CUDA Toolkit。如果你的CUDA版本不是11.6，你可能需要在cu116部分做相应的调整，查看官网相应的版本匹配。

4 用conda安装

复制代码

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia

5 验证安装

在Python中运行以下代码，确保pytorch安装成功。

复制代码

import torch
print(torch.__version__)

在Python中运行以下代码，确保PyTorch能够使用CUDA：

复制代码

import torch

# 检查CUDA是否可用
print(torch.cuda.is_available())

# 显示当前CUDA版本
print(torch.version.cuda)

如下：

如果输出为True，表示CUDA可用，并且输出将显示你安装的CUDA版本。

注意：请根据你的具体环境和需求调整版本号，确保安装的PyTorch版本与你的CUDA版本兼容。如果使用conda，你可以使用conda命令替代pip。注意，PyTorch版本和CUDA版本需要匹配，否则可能会导致不兼容的问题。