相关阅读
Pytorch基础
https://blog.csdn.net/weixin_45791458/category_12457644.html?spm=1001.2014.3001.5482
显卡驱动程序一般是显卡自带的，可以在终端中使用nvidia-smi命令查看，如下图所示。
图1 查看驱动程序的版本
图1显示，本机的驱动程序版本为472.19，支持的最新CUDA Toolkit版本为11.4，更详细的驱动程序和CUDA Toolkit的对应关系如图2所示。
图2 驱动程序和CUDA Toolkit的对应关系
CUDA拥有两类API，一种是驱动API(Driver API)，一类是运行时API(Runtime API)，驱动API在驱动程序安装后就已可用，而运行时API(Runtime API)则需要额外安装CUDA Toolkit才可用。
如果想更新显卡驱动程序，首先可以在英伟达官网进行下载。另外，在安装CUDA Toolkit时，也有选项允许下载驱动程序，但这种驱动程序主要是为了开发和测试用途设计的，不适合在生产环境中与 Tesla GPU搭配使用。
驱动程序下载https://www.nvidia.cn/drivers/
CUDA Toolkit下载https://developer.nvidia.com/cuda-toolkit-archive
使用nvcc -v或nvcc --version命令可以检测CUDA Toolkit的版本，它也暗示了CUDA Toolkit的安装情况，因为nvcc是CUDA Toolkit中的cuda编译器。
对于目前的Pytorch来说，无需提前下载CUDA Toolkit便可以直接安装使用，因为会安装时会下载一套专门供Pytorch使用的运行时API。
下面是较新版本的Pytorch。
conda install pytorch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 pytorch-cuda=11.8 -c pytorch -c nvidia
pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu118
无论使用哪条命令，都会同时下载依赖项cuda runtime包，里面包含了Pytorch需要的运行时API。
可以在下面的路径（或类似）中找到运行时API。
/usr/local/lib/python3.10/dist-packages/nvidia/cuda_runtime/lib/libcudart.so.11.0
对于较老版本的Pytorch。
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=10.2 -c pytorch
pip install torch==1.12.1+cu102 torchvision==0.13.1+cu102 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu102
其中如果使用conda安装，会同时下载cudatoolkit包（仅供Pytorch使用）；如果使用pip安装，会在Pytorch包的Lib中自带运行时API，如下所示。
/usr/local/lib/python3.10/dist-packages/torch/lib/libcudart-a7b20f20.so.11.0
需要注意的是，Pytorch顺带安装的运行时API版本，也应低于驱动所限制的CUDA Toolkit版本，例如对于图1，11.4版本以上的Pytorch就可能会出现问题。