下载nvidia_*_cu13的指令（更新：利用torch 版本拉取相关依赖）

更新：利用torch 版本拉取相关依赖：

我此处的版本是：torch==2.11.0+cu130

注意对齐自己的版本，不要盲目复制！

bash 复制代码

pip download torch==2.11.0+cu130 -d ./wheels \
  --extra-index-url https://download.pytorch.org/whl/cu130 \
  -i https://pypi.tuna.tsinghua.edu.cn/simple \
  --trusted-host pypi.tuna.tsinghua.edu.cn

以下是之前的旧命令：当时利用torch版本拉取相关依赖总是报错，才用这种原始方式单独获取。而且还获取的包不太对劲，，，，不推荐看了。！

在WSL端的项目文件夹下执行：

bash 复制代码

pip download \
  --find-links ./wheels \
  --only-binary=:all: \
  --platform manylinux_2_27_x86_64 \
  --trusted-host download.pytorch.org \
  --trusted-host pypi.tuna.tsinghua.edu.cn \
  --index-url https://download.pytorch.org/whl/cu130 \
  --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple/ \
  nvidia-cudnn-cu13 nvidia-cublas-cu13 nvidia-cuda-runtime-cu13 nvidia-cuda-nvrtc-cu13 nvidia-cuda-cupti-cu13 nvidia-cusolver-cu13 nvidia-cusparse-cu13 nvidia-curand-cu13 nvidia-cufft-cu13 nvidia-nvtx-cu13 nvidia-nvjitlink-cu13 nvidia-nccl-cu13

另外几个用：

bash 复制代码

pip download \
nvidia-nvshmem-cu13 \
nvidia-cusparselt-cu13 \
nvidia-nvtx-cu13 \
-d ./wheels \
--platform manylinux2014_x86_64 \
--only-binary=:all: \
--trusted-host pypi.tuna.tsinghua.edu.cn \
--trusted-host download.pytorch.org \
--index-url https://download.pytorch.org/whl/cu130 \
--extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple/

即可将nvidia_*_cu13系列下载到 app/wheels下面。(app指你的工程项目名称)

1、文件名带 cu13-0.0.0a0 的包（2026/7/18 新文件）

> 是给 PyTorch cu130 配套的官方 runtime 依赖包，可以正常用于 cu130

> 命名里的 cu13 是简写，对应 CUDA 13.0（cu130），版本号 0.0.0a0 是 NVIDIA 打包这套轻量化运行时的特殊 alpha 版本格式，是 PyTorch cu130 wheel 内置依赖；

> 这类包是跨平台 any 架构（none-any.whl），只提供运行时库，用来满足 PyTorch cu130 推理、基础算子运行需求。

2、文件名带 cu12-xxx 的包（2026/6/18 旧文件）

> 不能给 cu130 配套使用，是 CUDA 12.4 版本的依赖包，对应旧 cu124/cu126 PyTorch

> 前缀 cu12 = CUDA 12 系列，库版本 12.4.127，底层 API、PTX、符号和 13.0 不互通；

> 如果你环境是 cu130，强行安装 cu12 系列包会出现：算子加载失败、cublas/cudnn 符号找不到、自定义编译报错、cuda runtime 版本冲突崩溃。

3、额外细节

图里还有 cudnn-13.6.0.2、cudnn-13.9.24.0 这类更高版本 cu13 cudnn 包：同样兼容 cu130，是升级后的 cudnn 运行时；

4.环境和wheel包关系

cu130 环境 → 只留所有 cu13-0.0.0a0 .whl、cu13 系列 cudnn 包；

cu124环境 → 只留 cu12-12.4.* 系列 whl

本地 Toolkit 版本必须和 PyTorch 编译基线对齐（cu130=Toolkit13.0），不能用其他版本