系列文章目录
CV系列------Conda + PyTorch + CUDA + cuDNN + Python 环境无脑安装速查笔记2025.12
CV系列------什么是backbone主干网络? yolo系列faster rcnn系列, ssd都用什么backbone主干网络?2025.11
文章目录
- 系列文章目录
- [1. 版本匹配速查表](#1. 版本匹配速查表)
- [2. 查看本机Nvidia驱动支持的CUDA最高版本](#2. 查看本机Nvidia驱动支持的CUDA最高版本)
- [3. 使用官网命令安装PyTorch](#3. 使用官网命令安装PyTorch)
1. 版本匹配速查表
常用的CUDA版本是11.8和12.1, 推荐使用12.1.
| 发布时间 | PyTorch 版本 | 支持的 CUDA 版本 | 推荐 cuDNN 版本（对应 CUDA） | 支持的 Python 版本 | 备注 |
|---|---|---|---|---|---|
| 2025 | 2.5.x | 12.1、12.4 | cuDNN 8.9+（12.1）、8.10+（12.4） | 3.8~3.12 | 2025 年最新稳定版 |
| 2024 Q4 | 2.4.x | 12.1、12.4 | cuDNN 8.9+（12.1）、8.10+（12.4） | 3.8~3.12 | |
| 2024 Q2 | 2.3.x | 11.8、12.1 | cuDNN 8.7+（11.8）、8.9+（12.1） | 3.8~3.11 | |
| 2024 Q1 | 2.2.x | 11.8、12.1 | cuDNN 8.7+（11.8）、8.9+（12.1） | 3.8~3.11 | |
| 2023 Q4 | 2.1.x | 11.8、12.1 | cuDNN 8.7+（11.8）、8.9+（12.1） | 3.8~3.11 | 长期支持（LTS）版本 |
| 2023 Q2 | 2.0.x | 11.7、11.8 | cuDNN 8.5+（11.7）、8.7+（11.8） | 3.8~3.11 | |
| 2022 Q4 | 1.13.x | 11.6、11.7 | cuDNN 8.4+（11.6）、8.5+（11.7） | 3.7~3.10 | |
| 2022 Q2 | 1.12.x | 11.3、11.6 | cuDNN 8.2+（11.3）、8.4+（11.6） | 3.7~3.10 | |
| 2022 Q1 | 1.11.x | 11.3、10.2 | cuDNN 8.2+（11.3）、8.2+（10.2） | 3.7~3.9 | 最后支持 CUDA 10.2 的版本 |
| 2021 Q4 | 1.10.x | 11.3、10.2 | cuDNN 8.2+（11.3）、8.2+（10.2） | 3.6~3.9 | |
| 2021 Q2 | 1.9.x | 11.1、10.2 | cuDNN 8.0+（11.1）、8.0+（10.2） | 3.6~3.9 |
source: Windows 下 PyTorch 的安装（GPU版）
2. 查看本机Nvidia驱动支持的CUDA最高版本
打开cmd或powershell输入:
bash
nvidia-smi可以看到显卡信息, 表格右上角显示的CUDA Version就是支持的最高版本.
3. 使用官网命令安装PyTorch
在PyTorch官网历史版本中查找对应版本的命令, 比如: "CUDA 12.1":
bash
# CUDA 11.8
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia
# CUDA 12.4
conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.4 -c pytorch -c nvidia复制对应命令执行即可.
(推荐CUDA 12.1)