### PyTorch 版本与 sm_89 架构的兼容性 PyTorch 的版本与其支持的 CUDA 架构密切相关。根据官方文档和社区反馈，sm_89 是一种较新的 GPU 架构，通常出现在 Ampere 或更高代次的 NVIDIA 显卡中[^1]。PyTorch 官方二进制版本对特定架构的支持取决于其编译时所包含的 CUDA 协议版本。 截至 2025 年 5 月，PyTorch 2.3.x 已经支持到 sm_90 架构，但并未明确提及 sm_89 的直接支持情况。然而，根据历史惯例，较新的架构通常在后续版本中逐步添加支持[^2]。因此，推荐使用以下方法来确保 PyTorch 与 sm_89 的兼容性： #### 方法一：选择支持 sm_89 的 PyTorch 版本 从 PyTorch 1.10 开始，官方开始引入对 sm_80 和 sm_86 的支持，并在后续版本中逐步扩展至 sm_90。虽然官方未明确列出 sm_89 的支持状态，但可以通过以下方式验证兼容性： - **安装最新稳定版 PyTorch**：建议从官方源安装最新的 PyTorch 版本（如 2.3.x 或更高），因为这些版本更可能包含对新架构的支持。 - **检查环境变量配置**：通过设置 `TORCH_CUDA_ARCH_LIST` 环境变量，手动指定目标架构以确保兼容性[^1]。 ```bash export TORCH_CUDA_ARCH_LIST="8.9" pip install torch torchvision torchaudio ``` #### 方法二：从源码编译 PyTorch 如果官方预编译版本不支持 sm_89，可以从源码编译 PyTorch，以确保完全兼容目标架构。此方法需要较高的技术门槛，具体步骤如下： 1. 克隆 PyTorch 源码仓库并切换到目标分支（如 `v2.3.0`）。 2. 设置 `TORCH_CUDA_ARCH_LIST` 环境变量为 `"8.9"`。 3. 使用 CMake 或其他工具进行编译。 ```bash git clone --recursive https://github.com/pytorch/pytorch cd pytorch git checkout v2.3.0 export TORCH_CUDA_ARCH_LIST="8.9" python setup.py install ``` #### 方法三：验证兼容性 安装完成后，可以运行以下代码片段以验证 PyTorch 是否正确识别 sm_89 架构的显卡。 ```python import torch print("CUDA Available:", torch.cuda.is_available()) print("Device Count:", torch.cuda.device_count()) print("Current Device Name:", torch.cuda.get_device_name(0)) print("Device Capability:", torch.cuda.get_device_capability(0)) ``` 如果输出的设备能力（Device Capability）显示为 `(8, 9)`，则说明当前 PyTorch 版本已成功支持 sm_89 架构。 ### 注意事项 - 如果尝试安装或编译过程中出现类似 `no kernel image is available for execution on the device` 的错误，可能是由于 PyTorch 编译时未包含 sm_89 支持导致的。此时需重新编译或升级 PyTorch 版本[^2]。 - 在设置 `TORCH_CUDA_ARCH_LIST` 时，请确保值格式正确，例如 `"8.9"` 而非 `"89"`。