解决PyTorch与CUDA版本不匹配的问题
解决PyTorch与CUDA版本不匹配的问题
在使用PyTorch进行深度学习开发时，CUDA版本的兼容性问题常常困扰着开发者。本文将详细介绍CUDA驱动、CUDA Toolkit与PyTorch版本之间的对应关系，并提供具体的安装和验证步骤，帮助读者轻松解决版本不匹配的问题。
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
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
CUDA Toolkit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