pytorch（GPU版）安装教程

一、查看CUDA版本

在安装 pytorch(GPU)版前，确认硬件与驱动支持 GPU 版。

检查项	命令	预期输出
‌NVIDIA 显卡驱动‌	nvidia-smi	显示 GPU 型号、驱动版本、CUDA 版本
‌系统 CUDA 版本‌	nvcc --version	显示 Cuda compilation tools, release 12.0（若无输出，说明未安装 CUDA Toolkit）

⚠️ ‌重要提示‌：

nvidia-smi 显示的 CUDA 版本是‌驱动支持的最高 CUDA 版本‌，不是你安装的 CUDA Toolkit 版本。

二、查看torch和cuda版本对应关系

PyTorch 版本	CUDA 版本	Python 支持	推荐场景
‌2.8.0‌	12.1	3.9--3.12	✅ ‌2026 最佳选择‌，稳定、兼容性最佳
2.7.1	11.8	3.8--3.12	仅用于旧项目迁移
2.6.0	12.1	3.9--3.11	可用，但非最新
2.5.0	12.4	3.9--3.12	实验性支持，部分模型兼容性待验证

查看torch版本：https://download.pytorch.org/whl/torch/（别着急下载）

torch-2.7.1+cu118-cp312-cp312-win_amd64.whl文件含义：适用于 Windows 64 位系统的 PyTorch 安装包，其中 2.7.1 是 PyTorch 版本，cu118 表示支持 CUDA 11.8，cp312 说明适配 Python 3.12 版本。

笔者CUDA版本是12.0，所以选择CUDA11.8的版本cu118，找到对应的最新的torch版本：2.7.1。

同样的方法确定torchvision和torchaudio的最新版本分别是0.22.1和2.7.1

使用官方推荐命令‌安装，它完美支持你的Python和CUDA环境。

python 复制代码

pip install torch==2.7.1+cu118 torchvision==0.22.1+cu118 torchaudio==2.7.1+cu118 --index-url https://download.pytorch.org/whl/cu118
# +cu118 表示安装支持cuda11.8的GPU版

三、测试环境

安装完成后，使用python程序测试安装情况：

python 复制代码

import torch
import torchvision
import torchaudio

print(torch.__version__)          # 输出PyTorch版本
print(torchvision.__version__)
print(torchaudio.__version__)

if torch.cuda.is_available():
    print("GPU可用, 数量为：", torch.cuda.device_count())
    print("CUDA版本为：", torch.version.cuda)
else:
    print("GPU不可用")

输出：

bash 复制代码

2.7.1+cu118
0.22.1+cu118
2.7.1+cu118
GPU可用, 数量为： 1
CUDA版本为： 11.8