Linux版PyTorch与CUDA版本如何匹配

Linux下 PyTorch 与 CUDA 的匹配指南

一、核心原则

• 以驱动可支持的最高 CUDA 为上限：运行 nvidia-smi 右上角显示的 CUDA Version 表示驱动当前可支持的最高 CUDA 运行时版本；实际安装的 PyTorch 只需选择小于等于该版本的 CUDA 构建即可。驱动向下兼容，例如显示 11.7 即可选择 11.7/11.6/11.3/11.1/10.2 等构建。
• 分清“系统 CUDA Toolkit”和“PyTorch 的 CUDA 构建”：多数情况下无需在系统全局安装完整的 CUDA Toolkit，直接用 conda 安装 cudatoolkit 或使用 pip 安装带 cuXXX 标签的 PyTorch 预编译包即可运行。
• 三者需同时匹配：PyTorch 版本 ↔ CUDA 构建 ↔ Python 版本，任一不匹配都会导致安装失败或运行报错（如 cuDNN 不匹配、符号缺失等）。

二、快速匹配步骤

1. 查看驱动与上限

• 终端执行：
  • nvidia-smi（右上角显示可支持的最高 CUDA 运行时版本）
  • python --version（确认 Python 版本）

2. 选定组合

• 若无 GPU 或仅需 CPU：选择 CPU-only 构建。
• 若有 GPU：在驱动上限内，结合项目依赖选择较新的 PyTorch 与对应的 CUDA 构建（优先选择仍有安全/维护更新的组合）。

3. 安装

• conda（推荐，自动携带 cudatoolkit）：
  • GPU：conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch
  • CPU：conda install pytorch torchvision torchaudio cpuonly -c pytorch
• pip（带官方 CUDA 索引）：
  • pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118

4. 验证

• python - <<‘PY’ import torch print(“PyTorch:”, torch.version) print(“CUDA available:”, torch.cuda.is_available()) print(“Torch CUDA:”, torch.version.cuda) PY
• 预期：CUDA available 为 True，且 torch.version.cuda 与安装时指定的 cu118 一致。

三、常见组合示例

四、排错与建议

• 驱动过低导致不可用：若 nvidia-smi 显示的 CUDA 上限较低，需先升级 NVIDIA 驱动，再安装对应 CUDA 构建的 PyTorch。
• 版本不一致：若 torch.version.cuda 与安装命令中的 cuXXX 不一致，或 torch.cuda.is_available() 为 False，优先检查是否混用了 conda/pip 源、是否安装了 CPU 包、是否选错 Python 环境。
• 多环境管理：建议在独立的 venv/conda 环境中安装，避免系统包冲突；如需切换 CUDA 构建，创建新环境重新安装更稳妥。
• 国内加速：可使用 清华镜像 加速 conda 下载（conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/）。