目录
-
-
- 英伟达GPU驱动安装哪个版本
-
- 1.1 英伟达GPU驱动版本和cuda对应关系，
- 1.2 安装GPU哪个驱动版本？
- 2.pytorch环境创建
-
- 2.1 pytorch和cuda对应关系
- 2.2 anconda安装
- 2.3 配置国内镜像
- 2.4 pytorch1.10.0环境创建
- 2.5 pytorch2.0.0环境创建
-
- 小结
-
1. 英伟达GPU驱动安装哪个版本
驱动要装啥版本？CUDA要装啥版本？先看英伟达GPU驱动和CUDA关系吧，如《AI框架与cuda生态及anaconda环境》所述，先确定要装的AI框架版本所配套的CUDA版本，然后查看自己GPU驱动版本支持的CUDA toolkit的最高版本是否>=所需的CUDA版本，如果满足，则可以在anaconda里创建对应环境调用gpu来加速计算，否则无法调用gpu加速。
注意，你说是不是忘了在电脑里装CUDA？no，no，no，如果用anaconda来创建环境，那么在电脑系统里只装GPU驱动而不装CUDA也没问题，完全不影响推理和训练 ，除非你需要自定义自己的CUDA算子 ，否则一般只需要装英伟达GPU驱动即可 。
如果你GPU还不错，那可以去英伟达官网下载其最新驱动就行了，一般能满足AI框架某版本配套的CUDA版本------除非你的GPU太过时了，官方都不提供最新驱动了，支持的最高版本的驱动也无法满足AI框架某版本所要求的CUDA版本，那么只能换GPU了，但是目前GPU不像内存可以换，只能买整机了。
1.1 英伟达GPU驱动版本和cuda对应关系，
查看CUDA ToolKit对应ToolKit Driver Version（即GPU驱动的cuda版本号）
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
1.2 安装GPU哪个驱动版本？
pytorch 1.10.0 对应 cuda 10.2 ，cuda 10.2 对应的gpu驱动版本要>= 441.22
pytorch 2.0.0 对应 cuda 11.8， cuda 11.8 对应的gpu驱动版本要>=520.06
我的GPU驱动版本一查是411，去官网查看下，它最新支持的驱动是577.00版本（标准版，游戏版本也行，无所谓），支持CUDA最高版本是12.9，那就装最新的吧，装了就完全满足上面CUDA版本要求了。
英伟达驱动下载（必要）
https://www.nvidia.cn/geforce/drivers/
cuda下载（装不装都行）
https://developer.nvidia.com/cuda-toolkit-archive
cuDNN历史版本下载（装不装都行）
https://developer.nvidia.cn/rdp/cudnn-archive
2.pytorch环境创建
2.1 pytorch和cuda对应关系
https://pytorch.org/get-started/previous-versions/
可以看到：
pytorch 1.10.0 对应 cuda 10.2
deepseek说：
CUDA 10.2 + cuDNN 7.6.5（兼容性最佳）
pytorch 2.0.0对应cuda 11.8。
前面我已经更新GPU驱动到标准版577.00，最高支持的CUDA是12.9，完全满足上面要求。
但是需要注意的是，deepseek说GTX 1060不支持CUDA 12.x（需图灵架构及以上） ，这点也很关键，只要CUDA要求12.x的pytorch版本，就无法体验了。看了下，pytorch2.8就无法体验了，只能体验到pytorch2.7（要求CUDA 11.8版本）及以下版本------不过已经够可以了。
2.2 anconda安装
网上教程多的是，略。
2.3 配置国内镜像
c
Anaconda Prompt中输入：
国内清华源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes
conda config --get channels2.4 pytorch1.10.0环境创建
创建conda环境，
c
conda create -n pytorch1.10.0-gpu python=3.6
activate pytorch1.10.0-gpu1.10.0官网支持python是3.6-3.9版本（pytorch1.10.0发布时python最新的流行的版本，所以以当时为主，不知道的话问大模型），我这里选择3.6，无所谓了，只要支持就行。
查看pytorch安装命令
https://pytorch.org/get-started/previous-versions/
官网是
c
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch-c pytorch这是去官网下载，太慢，去掉用国内镜像安装。
如下：
c
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2可以看到这个环境里装了cudatoolkit所以windows系统里不用装cuda，除非需要。
安装完成后呢，查看是否能使用gpu如下：
c
python
import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)
torch.cuda.get_device_properties(0)
快捷键退出pytorch环境:
CRL+Z
exit()
退出环境
deactivate
2.5 pytorch2.0.0环境创建
创建conda环境，
c
conda create -n pytorch2.0.0-gpu python=3.10
activate pytorch2.0.0-gpu2.0.0官网支持的python版本是3.8-3.10，我这里选择3.10，无所谓了，只要支持就行。
查看pytorch安装命令
https://pytorch.org/get-started/previous-versions/
官网是
c
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia-c pytorch这是去官网下载，太慢，去掉用国内镜像安装。
pytorch-cuda=11.8 -c nvidia 这是采用nvidia下载cudatoolkit11.8，也太慢换成cudatoolkit=11.8就行了，如下：
c
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cudatoolkit=11.8可以看到这个环境里装了cudatoolkit所以windows系统里不用装cuda，除非需要。
安装完成后呢，查看是否能使用gpu如下：
c
python
import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)
torch.cuda.get_device_properties(0)
快捷键退出pytorch环境:
CRL+Z
exit()
退出环境
deactivate
3. 小结
从pytorch1.10.0和pytorch2.0.0的安装来看，只需要装GPU驱动即可，CUDA等后续自己自定义CUDA算子的时候再装也行，非必要。这是因为anacona里创建各个环境，各个环境可以单独安装CUDA（即cuda toolkit），只要它的版本不超过GPU驱动支持的最大CUDA版本都可以调用GPU加速。