Pytorch开发教程1——CUDA安装

一、前置准备：更新显卡驱动

CUDA的运行依赖显卡驱动，且驱动版本必须≥CUDA要求的最低版本。

1.1 查看当前驱动与支持的CUDA版本

1.按下 Win+R ，输入 cmd 打开命令提示符

2.输入以下指令：

bash 复制代码

nvidia-smi

3.右上角 CUDA Version 表示驱动支持的最高CUDA版本。

二、安装 CUDA Toolkit 12.8

1.下载安装包

打开CUDA Toolkit 12.8.0 官方下载页，按如下选项选择：

Operating System:Windows
Architecture:x86_64
Version:Windows 11
Install Type: exe(local)（本地完整安装包，离线安装更稳定）

点击Download下载安装包（约3GB）。

2.安装步骤

1.双击安装包，首先会弹出临时解压目录，选择合适的目录后点击OK。

2.稍作等待

3.许可协议界面，点击【同意并继续】：

4.安装类型选择【自定义（高级）】：

5.自定义组件选择：

Diver components（驱动组件）：全部取消勾选。我当前已有573.22新版驱动，安装包里的驱动版本更旧，覆盖会导致异常。
Visual Studio Integration：取消勾选。纯Pytorch深度学习完全用不到CUDA C++编译，勾选反而可能因缺少VS环境报错。

6.选择安装路径

路径中不要有中文和空格。

6.点击【下一步】等待安装完成，结束后无需重启。

三、安装cuDNN神经网络加速库

cuDNN是深度学习训练的核心加速库，必须和CUDA版本严格对应（CUDA 12.8→cuDNN 9.x）。

1.下载

1.打开NVIDIA cuDNN下载页，注册并登录免费的NVIDIA开发者账号。

2.在下载页，找到cuDNN for CUDA 12.x，点击Windows（zip）

2.安装

1.解压cuDNN压缩包，得到bin、include、lib三个文件夹。

2.打开CUDA 12.8安装目录。

3.将cuDNN三个文件夹内的文件，分别复制到CUDA目录的同名文件夹中：

bin→bin

include→include

lib\x64→lib\x64

注意：是复制文件内容，不是直接覆盖文件夹，避免误删CUDA原有文件。

四、验证CUDA安装

1.重新打开一个CMD窗口，输入：

bash 复制代码

nvcc -V

2.正常输出示例：

出现release 12.8即代表安装成功。

3.硬件连通性验证：

进入CUDA目录下的extras\demo_suite文件夹，地址栏输入cmd回车，执行：

bash 复制代码

deviceQuery.exe

输出末尾显示Result = PASS则说明CUDA与显卡完全正常通信。

五、安装Pytorch GPU版

注意：RTX 50系列只能用cu218及以上版本的Pytorch，安装cu124/cu121会出现 no kernel image is available报错，无法正常运行。

打开Python环境终端，执行以下命令：

bash 复制代码

pip install torch==2.11.0 torchvision==0.26.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/cu128 --default-timeout=1000 --retries=10

如果大家身处国内，此办法可能会非常慢，这里推荐一个自己的小办法：

1.进入三个链接，下载对应内容：

torch 主包（2.8GB）

torchvision（约 1.5MB）

torchaudio（约 2MB）

下载完成后，进入下载目录并执行安装：

bash 复制代码

cd D:\torch

bash 复制代码

pip install torch-2.11.0+cu128-cp310-cp310-win_amd64.whl torchvision-0.26.0+cu128-cp310-cp310-win_amd64.whl torchaudio-2.11.0+cu128-cp310-cp310-win_amd64.whl

之后，以管理员身份运行Power Shell，并在里面输入：

bash 复制代码

Get-ChildItem -Path "C:\Users\19681\.conda\envs\EdgeSenseAI" -Recurse | Unblock-File

等待命令执行完成即可。

六、验证

运行如下代码：

python 复制代码

import torch

print("CUDA可用:", torch.cuda.is_available())
print("PyTorch版本:", torch.__version__)
print("绑定CUDA版本:", torch.version.cuda)
print("显卡型号:", torch.cuda.get_device_name(0))

# 简单算力测试
x = torch.randn(1000, 1000).cuda()
y = torch.matmul(x, x)
print("GPU张量计算完成，输出形状:", y.shape)

输出如下：