在安装 PyTorch 时，CUDA 版本的选择需要关注 三个关键点，它们的优先级如下：
1. nvcc --version（编译时 CUDA 版本）
作用：显示当前安装的 CUDA Toolkit 版本（即编译器 nvcc 的版本）。
命令：
nvcc --version
示例输出：
nvcc: NVIDIA ® Cuda compiler version 11.7.99
意义：
这是 PyTorch 实际编译时使用的 CUDA 版本。如果 PyTorch 是用 CUDA 11.7 编译的（如你指定的 pytorch-cuda=11.7），则必须保证 nvcc 版本 ≥ 11.7，否则可能无法运行。
2. nvidia-smi（驱动支持的 CUDA 版本）
作用：显示 NVIDIA 驱动支持的 最高 CUDA 版本（即驱动兼容性）。
命令：
nvidia-smi
示例输出：
CUDA Version: 12.1
意义：
这是驱动支持的 最大 CUDA 版本，但 PyTorch 实际使用的 CUDA 版本由 nvcc 和 PyTorch 自身决定。如果 nvidia-smi 显示的版本 ≥ PyTorch 需要的版本（如 11.7），则兼容。
3. PyTorch 的 CUDA 版本（torch.version.cuda）
最终决定因素：PyTorch 预编译包内置的 CUDA 版本。
检查命令：
import torch
print(torch.version.cuda) # 输出 PyTorch 实际使用的 CUDA 版本
示例输出：
11.7
关键点：
即使 nvcc 和 nvidia-smi 显示更高版本，PyTorch 仍会使用它编译时的 CUDA 版本（如 11.7）。只要驱动兼容（nvidia-smi 版本 ≥ 11.7），即可正常运行。
总结 pytorch的cuda版本不能超过nvcc --version显示的版本