PyTorch安装指南：CUDA、cuDNN、torch版本对照表

PyTorch安装指南：CUDA、cuDNN、torch版本对照表

本文详细介绍了PyTorch的安装过程，重点讲解了CUDA、cuDNN和cudatoolkit等组件的版本对应关系。对于深度学习开发者来说，这些信息非常实用。

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