深度学习环境配置:PyTorch、CUDA和Python版本选择

前言

在深度学习的世界里，选择合适的工具版本是项目成功的关键。CUDA、PyTorch和Python作为深度学习的三大支柱，它们的版本匹配问题不容忽视。错误的版本组合可能导致兼容性问题、性能下降甚至项目失败。因此，深入理解这三个组件之间的版本对应关系，是每一个深度学习开发者必须掌握的技能。

一、核心组件架构

硬件层-软件层关系图

此图转载于：【一文搞懂---防止踩坑】深度学习环境配置:CUDA、cuDNN、算力和 PyTorch 版本选择、详细教程案例(仔细阅读，建议收藏)_cuda版本和pytorch版本-CSDN博客

组件定义

名称	作用	备注	版本检查命令
显卡驱动 (GPU Driver)	显卡驱动在计算机中起着桥梁的作用，将操作系统和显卡连接起来，确保它们能够有效地协同工作，提供高性能的图形处理能力。	没有显卡驱动，GPU就是一个摆设，调用不起来。先装好驱动，电脑就能使用GPU，但是深度学习搞不定	nvidia-smi
CUDA	NVIDIA 提供的并行计算平台，CUDA提供了一套编程接口和工具，用于加速 GPU 运算（PyTorch/TensorFlow依赖它）	需搭配 NVIDIA 显卡使用，非 NVIDIA 显卡无法安装	nvcc --version
PyTorch	基于 Python 的深度学习框架，支持 GPU 加速（依赖 CUDA）	有 CPU 和 GPU（CUDA）两个版本，安装时需选择对应版本	torch.version
Python	编程语言，PyTorch 等深度学习框架基于 Python 编写	建议使用 Python 3.8-3.10（与 PyTorch 兼容性较好）	python --version

二、版本匹配矩阵

可以通过下面链接找到适合自己的版本：

https://pytorch.org/get-started/previous-versions/https://pytorch.org/get-started/previous-versions/

常见的Python和PyTorch版本对应关系

（2025年7月更新）

PyTorch 版本	支持的 Python 版本	适用场景
2.7.x	3.10--3.13	最新 GPU（需 CUDA 12.8+）
2.6.x	3.9--3.12	平衡稳定性与新特性（CUDA 12.6）
2.5.x	3.9--3.12	兼容旧 GPU（CUDA 11.8/12.1）
2.4.x (2024)	3.10--3.12	需 CUDA 12.1/12.4
2.3.x (2024)	3.10--3.11	最后支持 CUDA 11.8 的版本之一
2.2.x (2023)	3.8--3.11	长期支持（LTS）版本
2.1.x (2023)	3.8--3.10	兼容旧代码库
2.0.x (2022)	3.8--3.10	首个稳定版 2.0 系列
1.13.x (2022)	3.7--3.10	旧项目维护（已停止更新）

常见的Torch、CUDA和Python版本的对应关系

（2025年7月更新）

PyTorch 版本	Python 支持	CUDA 版本	适用场景	安装命令（GPU）
2.7.1	3.10--3.13	12.8	NVIDIA 50/40系显卡（RTX 5090/4080）	`pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128`
2.6.0	3.9--3.12	12.6	NVIDIA 30系显卡（RTX 3090/3080）	`conda install pytorch==2.6.0 torchvision torchaudio pytorch-cuda=12.6 -c pytorch -c nvidia`
2.5.1	3.9--3.12	11.8 / 12.1	旧设备兼容（GTX 16/10系）	`pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu118`

三、安装教程

步骤 1：安装 CUDA

确认显卡支持 ：

运行 nvidia-smi（Windows/Linux 命令），查看显卡型号和支持的 CUDA 版本（右上角显示，如 CUDA 12.2）。

（如果没有 NVIDIA 显卡，则只能安装 PyTorch 的 CPU 版本。）

bash 复制代码

# 步骤1：驱动验证
nvidia-smi  # 确认驱动版本≥535.86.10（CUDA12.8要求）

下载 CUDA Toolkit

访问 NVIDIA CUDA 官网，选择与显卡驱动兼容的版本（如 12.1）。
- 注意：PyTorch 通常对 CUDA 版本有明确要求，需参考 PyTorch 官网的推荐版本。
安装 CUDA

按官方指引安装，完成后验证：

bash 复制代码

nvcc --version  # 查看 CUDA 编译器版本

步骤 2：安装 Python（ Conda环境）

推荐方式 ：使用 Miniconda/Anaconda 管理 Python 环境。

bash 复制代码

# 步骤2：Conda环境
conda create -n pytorch_env python=3.9  # 创建虚拟环境
conda activate pytorch_env              # 激活环境

步骤 3：安装 PyTorch

通过 PyTorch 官网命令安装：

访问 PyTorch 官网，选择对应 CUDA 版本的安装命令（如 CUDA 11.8）：

bash 复制代码

# 示例（CUDA 11.8）
pip install torch torchvision torchaudio --index-url 
https://download.pytorch.org/whl/cu118

无 GPU---使用 CPU 版本：

bash 复制代码

pip install torch torchvision torchaudio --index-url
 https://download.pytorch.org/whl/cpu

验证安装

python 复制代码

import torch
print(torch.__version__)          # 查看 PyTorch 版本
print(torch.cuda.is_available())  # 检查 CUDA 是否可用（应返回 True）

三、如何多版本隔离？

Conda 的虚拟环境是完全隔离的，包括：
- Python 版本
- 第三方库（如 PyTorch、TensorFlow）
- CUDA 工具包（通过 cudatoolkit 包）
每个环境的 cudatoolkit 仅在该环境中生效，不会影响系统全局的 CUDA 或其他环境。

具体操作方法

示例：创建两个环境，分别使用 CUDA 11.3 和 CUDA 11.8

bash 复制代码

# 环境1：CUDA 11.3 + PyTorch 1.12
conda create -n pytorch_1.12 python=3.8
conda activate pytorch_1.12
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

# 环境2：CUDA 11.8 + PyTorch 2.0
conda create -n pytorch_2.0 python=3.9
conda activate pytorch_2.0
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 cudatoolkit=11.8 -c pytorch

验证环境隔离

bash 复制代码

# 切换到环境1
conda activate pytorch_1.12
python -c "import torch; print(torch.version.cuda)"  # 应输出 11.3

# 切换到环境2
conda activate pytorch_2.0
python -c "import torch; print(torch.version.cuda)"  # 应输出 11.8

四、如何判断 PyTorch 是 GPU 版本还是 CPU 版本？

判断当前 Python 环境（如 Conda 虚拟环境）安装的 PyTorch 是 GPU 版本 还是 CPU 版本

方法 1：使用 PyTorch 内置函数

在 Python 中运行以下代码：

python 复制代码

import torch

# 检查 PyTorch 是否支持 CUDA（即是否为 GPU 版本）
print(torch.cuda.is_available())  # 返回 True 表示是 GPU 版本，False 表示 CPU 版本

# 查看当前 PyTorch 使用的设备类型
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(f"PyTorch is running on: {device}")

# 查看 CUDA 版本（如果是 GPU 版本）
if torch.cuda.is_available():
    print(f"CUDA Version: {torch.version.cuda}")  # 输出 CUDA 版本号
else:
    print("CUDA is not available (CPU version)")

输出示例

GPU 版本：

复制代码

True
PyTorch is running on: cuda
CUDA Version: 11.8

CPU 版本：

复制代码

False
PyTorch is running on: cpu
CUDA is not available (CPU version)

方法 2：检查 PyTorch 安装包信息

通过 pip 或 conda 查看已安装的 PyTorch 包名称：

使用 pip

bash 复制代码

pip show torch

GPU 版本 ：包名称会包含 +cuXXX（如 torch==2.0.1+cu118）。
CPU 版本 ：包名称无 CUDA 后缀（如 torch==2.0.1）。

使用 conda

bash 复制代码

conda list | grep torch

GPU 版本 ：依赖项中会显示 dcuatoolkit=XX.X。
CPU 版本 ：依赖项中会显示cpuonly。

五、常见问题排查

`1、torch.cuda.is_available()` 返回 False？

可能原因：

驱动过旧或未安装与 PyTorch 匹配的 cudatoolkit（通过 Conda 安装时需指定版本）。
显卡驱动不支持当前 CUDA 版本（通过 nvidia-smi 检查驱动版本）。
PyTorch 安装的是 CPU 版本（如通过 pip install torch --cpu）。

解决：

bash 复制代码

# 重新安装匹配版本（以 CUDA 11.8 为例）
pip uninstall torch torchvision torchaudio
pip install torch==2.5.1+cu118 torchvision==0.20.1+cu118 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu118

2、安装时提示 Could not find a version that satisfies the requirement

原因：Python 版本不兼容。

解决：创建符合要求的 Python 环境：

bash 复制代码

conda create -n pytorch_env python=3.10  # PyTorch 2.6+ 推荐 Python 3.10

3、如何从 CPU 版本切换到 GPU 版本？

卸载后重新安装 GPU 版本：

bash 复制代码

pip uninstall torch torchvision torchaudio
pip install torch torchvision torchaudio --index-url
 https://download.pytorch.org/whl/cu118  # 替换为所需 CUDA 版本

或通过 Conda：

bash 复制代码

conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

六、小结

驱动版本是上限： 运行 nvidia-smi 查看显卡驱动支持的 最高 CUDA 版本 （如 Driver 535.86.10 支持 CUDA ≤12.8）。PyTorch 的 CUDA 版本必须 ≤ 驱动支持的版本（例如驱动支持 12.9 可安装 PyTorch CUDA 12.8）。
可以隔离不同 CUDA 版本 ：每个 Conda 环境通过 cudatoolkit 管理独立的 CUDA 运行时。
优先使用 Conda 安装：避免手动处理 CUDA 环境变量和路径冲突。

深度学习环境配置:PyTorch、CUDA和Python版本选择

前言

目录

一、核心组件架构

硬件层-软件层关系图

组件定义

二、版本匹配矩阵

常见的Python和PyTorch版本对应关系

常见的Torch、CUDA和Python版本的对应关系

三、安装教程

步骤 1：安装 CUDA

步骤 2：安装 Python（ Conda环境**）**

步骤 3：安装 PyTorch

通过 PyTorch 官网命令安装：

无 GPU---使用 CPU 版本：

验证安装

三、如何 多版本隔离**？**

具体操作方法

验证环境隔离

四、如何判断 PyTorch 是 GPU 版本 还是 CPU 版本？

方法 1：使用 PyTorch 内置函数

输出示例

方法 2：检查 PyTorch 安装包信息

使用 pip

使用 conda

五、常见问题排查

1、torch.cuda.is_available() 返回 False？

2、安装时提示 Could not find a version that satisfies the requirement

3、如何从 CPU 版本切换到 GPU 版本？

六、小结

步骤 2：安装 Python（ Conda环境）

三、如何多版本隔离？

四、如何判断 PyTorch 是 GPU 版本还是 CPU 版本？

`1、torch.cuda.is_available()` 返回 False？