1: 准备工作
针对已经安装好的Windows11系统，先检查Nvidia驱动和使用的CUDA版本情况。先打开Windows PowerShell，通过nvidia-smi命令查看GPU的情况，结果如下图1所示，从结果中可知使用的CUDA版本为12.8。
图1：检测安装好的CUDA版本情况
然后，通过Pytorch官网（https://pytorch.org/），查看目前Pytorch的稳定版本支持的CUDA版本，从下图2中可以发现最高支持的CUDA是12.6。因此需要降低已经安装Nvidia驱动的CUDA版本。
图2：Pytorch和CUDA的匹配情况
我的方法是，重新安装包含CUDA12.6的NVIDIA Studio驱动。CUDA版本和驱动的匹配情况可以通过下面的链接查看。从图3的结果中可以知道，可以选择560、561等版本的驱动。https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
图3：CUDA版本和驱动的匹配情况
可以通过直接搜索对应的版本，然后直接下载，对应的版本情况如下图4所示：
图4：版本560.94的Nvidia驱动
也可以通过https://www.nvidia.cn/geforce/drivers/网站搜索可以使用的驱动并下载，图5展示的是搜索到的可用的Nvidia Studio驱动（深度学习计算建议安装Nvidia Studio类型的驱动）。这次选择的驱动版本为560.81。
图5：搜索到的Nvidia Studio驱动
下载560.81版本的Nvidia Studio后，直接安装即可，Nvidia会自动对已经安装的驱动进行必要的替换。安装完成后，重新使用nvidia-smi后可见CUDA的版本已经为12.6。如图6所示。
图6：查看新的CUDA版本
2: 安装Python
Python的安装可以通过Anaconda来完成，Anaconda的下载链接如下：https://www.anaconda.com/download/success，下载界面如下图7所示，选择下载Windows版本对应的安装程序。
图7：Anaconda下载界面
安装Anaconda完成后，打开应用后的界面如下图8所示：
图8：Anaconda应用界面
在安装好的Python应用中，针对Pytorch创建一个新的环境，用于安装Pytorch相关的库。图9展示的是创建了名字为Pytorch26的新环境，用于后续安装Pytorch2.6版本。
图9：在Anaconda中创建新的Python环境
3: 安装GPU版本的Pytorch
通过安装Anaconda时同步安装的Anaconda Prompt，来安装GPU版本的Pytorch。需要先通过activate Pytorch26命令激活新建的Pytorch26。然后通过pip相关的命令，进行Pytorch安装。安装命令可以通过图10中直接复制。
图10：获取安装Pytorch的命令行
安装Pytorch时在Anaconda Prompt需要运行的命令行下如图11所示，图12展示了已经成功安装的相关库。
图11：在Anaconda Prompt需要运行的命令
图12：已经成功安装的相关库
在安装成功后，可以打开Python的JupyterLab应用，来查看Pytorch26环境中是否已经成功安装GPU版本的Pytorch。命令和对应的结果如图13所示，可以发现，已经成功安装了GPU版本的Pytorch2.6。
图13：检查是否成功安装GPU版本的Pytorch