1.CUDA驱动和CUDA Toolkit对应版本
表一：CUDA驱动及CUDA Toolkit最高对应版本
最新可查阅官方文档
注：驱动是向下兼容的，其决定了可安装的CUDA Toolkit的最高版本。
2.CUDA Toolkit版本及其可用PyTorch对应版本（参考官网）
表二：CUDA Toolkit版本及可用PyTorch对应关系
| CUDAToolkit版本 | 可用PyTorch版本 |
|---|---|
| 7.5 | 0.4.1 ，0.3.0， 0.2.0，0.1.12-0.1.6 |
| 8.0 | 1.1.0，1.0.0 ，0.4.1 |
| 9.0 | 1.1.0，1.0.1, 1.0.0，0.4.1 |
| 9.2 | 1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.1 |
| 10.0 | 1.2.0，1.1.0，1.0.1 ,1.0.0 |
| 10.1 | 1.7.1，1.7.0，1.6.0，1.5.1，1.5.0， 1.4.0，1.3.0 |
| 10.2 | 1.7.1，1.7.0，1.6.0，1.5.1，1.5.0 |
| 11.0 | 1.7.1，1.7.0 |
| 11.1 | 1.8.0 |
注：虽有的卡驱动更新至较新版本，且CUDA Toolkit及PyTorch也可对应更新至新版本。但有的对应安装包无法使用，有可能是由于卡太旧的原因。
3.安装指导
在安装时会同时安装CUDA Toolkit以及PyTorch，这是我们要知道的。
步骤一：
使用nvidia-smi查询驱动版本：
如图中Driver Version所示，该卡目前的驱动版本为384.81。
步骤二：
此处提供三种方法可供选择。
（1）指定CUDA Toolkit版本
根据表一查询到可安装的CUDA Toolkit版本，384.81对应最高的CUDA Toolkit版本为9.0。
运行conda install pytorch cudatoolkit=9.0 -c pytorch即可。
此方法指定CUDA Toolkit版本后，conda会自动匹配到合适版本的PyTorch。
（2）指定PyTorch版本
根据表一查询到可安装的CUDA Toolkit版本，再根据表二查询到合适版本的PyTorch。384.81对应最高的CUDA Toolkit版本为9.0，9.0可安装PyTorch1.1.0版本。
运行conda install pytorch=1.1.0 -c pytorch即可。
此方法指定PyTorch版本后，conda会自动匹配到合适版本的CUDA Toolkit。
（3）同时指定CUDA Toolkit版本和PyTorch（推荐）
根据表一查询到可安装的CUDA Toolkit版本，根据表二查询到合适版本的PyTorch。
运行conda install pytorch=1.1.0 cudatoolkit=9.0 -c pytorch即可。
注：PyTorch1.8.0和1.0.0以前版本使用conda安装时命令有些许不同，具体可查看官网。
4.验证安装是否成功
- #使用python运行
- import torch
- print(torch.__version__)
- print(torch.cuda.is_available())
卸载当前版本PyTorch：
- conda uninstall pytorch
补充：查看PyTorch的版本及CUDA和cuDNN版本
检查PyTorch版本
- torch.version # PyTorch version
- torch.version.cuda # Corresponding CUDA version
- torch.backends.cudnn.version() # Corresponding cuDNN version
- torch.cuda.get_device_name(0) # GPU type
更新PyTorch
- conda update pytorch torchvision -c pytorch
以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/weixin_42069606/article/details/105198845