pytorch安装: cuda、cudatoolkit、torch版本对照

在 PyTorch 官网上有如下安装对照表，同时也有历史版本安装对照表

从零开始配置python深度学习环境大概有如下配置步骤：

方案一： 电脑安装显卡驱动，然后安装CUDA、cuDNN，安装miniconda3。前面都是在电脑基础环境配置，后面的操作都是在conda环境中，安装torch、cudatoolkits等深度学习包
方案二：电脑安装显卡驱动，后直接安装miniconda，后续步骤在conda环境中进行操作，安装torch，cudatoolkits等步骤

两种方案的区别，后文会讲解：

1. 配置显卡驱动(必须)

2.基础环境：CUDA，cuDNN(可选)

3.虚拟环境：配置 cudatoolkit（必须）

显卡驱动安装

显卡驱动下载：GeForce® 驱动程序，在此页面找到自己nvidia显卡对应的驱动程序。

宿主机CUDA 配置

如果本机配备独立显卡，且安装显卡驱动后，可以在终端运行 nvidia-smi 检查显卡的支持的最高CUDA 版本，我手头有不同架构的设备，以下列出几种查询方案：

自己 4060 win电脑

黄框表示能够支持的最高 CUDA 版本，即安装的 CUDA 版本不能高于此数字。

Jeston Xavier NX 开发板
开发板属于 Aarch64 架构，与个人 PC 上常见的 X86 架构不同，需要执行如下命令才能查看：

cd /usr/local/cuda/samples/1_Utilities//deviceQuery/
sudo make
./deviceQuery 

由于 Jeston 是显存和物理内存共用，不能通过 nvidia-smi 查看显卡信息

如果要查看 window 电脑是否安装了 CUDA，可以执行如下步骤

nvcc --version
# 可以看到如下输出
> nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVIDIA Corporation Built on ... Cuda compilation tools, release 11.2, V11.2.152

cudatoolkit 版本

cudatoolkit：cudatoolkit 是 NVIDIA CUDA 工具包的一个精简版本，专为在 Conda 环境中使用而设计，其为 python 环境中的 GPU 加速计算提供必要的组件。适用于 PyTorch、TensorFlow 等框架。

显卡的 CUDA 版本：这是指通过显卡驱动安装的 CUDA 版本。可以通过 nvidia-smi 命令查看系统中当前安装的 CUDA 版本。

CUDA 版本兼容性:

• 较新的 CUDA 版本通常向后兼容旧 GPU
• 但新 GPU（如 Ampere 架构）需要较新的 CUDA 版本才能充分发挥性能

cudatoolkit其与系统CUDA版本的关系：

• cudatoolkit可以与系统级CUDA共存
• 通常使用系统级CUDA驱动，但运行时库来自cudatoolkit

# 指定版本安装
$ conda install cudatoolkit=11.2

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

该命令安装了指定版本的cudatoolkit, cudatoolkit 是一个已编译好的 CUDA 库，它会在运行时被 PyTorch 使用，而不依赖于系统全局的 CUDA 安装。同时 torch 也会自动安装与指定版本的 PyTorch 兼容的 cuDNN。

此链接为 pytorch 和 cudatoolkit 版本对应关系：pytorch各版本对照

torch 、torchvision、python 对照表

torch	torchvision	Python
main / nightly	main / nightly	>=3.8, <=3.12
2.3	0.18	>=3.8, <=3.12
2.2	0.17	>=3.8, <=3.11
2.1	0.16	>=3.8, <=3.11
2.0	0.15	>=3.8, <=3.11
1.13	0.14	>=3.7.2, <=3.10
1.12	0.13	>=3.7, <=3.10
1.11	0.12	>=3.7, <=3.10
1.10	0.11	>=3.6, <=3.9
1.9	0.10	>=3.6, <=3.9
1.8	0.9	>=3.6, <=3.9
1.7	0.8	>=3.6, <=3.9
1.6	0.7	>=3.6, <=3.8
1.5	0.6	>=3.5, <=3.8
1.4	0.5	==2.7, >=3.5, <=3.8
1.3	0.4.2 0.4.3	==2.7, >=3.5, <=3.7
1.2	0.4.1	==2.7, >=3.5, <=3.7
1.1	0.3	==2.7, >=3.5, <=3.7
<=1.0	0.2	==2.7, >=3.5, <=3.7