要安装与 CUDA 12.1 兼容的 PyTorch 版本，需要确保以下几点： 1. **CUDA 驱动版本支持** 使用 `nvidia-smi` 命令可以查看当前系统中 NVIDIA 显卡驱动所支持的最高 CUDA 版本。如果希望使用 CUDA 12.1，则驱动版本至少需要为 **531 或更高**（根据官方文档），因为早期驱动可能不支持较新的 CUDA Toolkit 版本 [^2]。 2. **确认已安装 CUDA 12.1 Toolkit** 可以通过命令 `nvcc -V` 来检查当前系统是否已经正确安装了 CUDA Toolkit 并识别其版本。输出信息中应包含 `release 12.1` 的字样，表示当前环境支持 CUDA 12.1 编译器 API [^2]。 3. **选择合适的 PyTorch 版本** PyTorch 官方提供了详细的版本兼容性表，其中列出了不同 CUDA 版本对应的 PyTorch 构建版本。对于 CUDA 12.1，目前支持的 PyTorch 版本包括 **2.x 系列**（例如 PyTorch 2.0、2.1、2.2）。这些版本在发布时已经包含了对 CUDA 12.1 的支持 [^1]。 4. **安装方式推荐** 最可靠的方式是使用 **Conda** 或 **PyTorch 官网提供的 pip 安装命令**： - **Conda 安装**（推荐）： ```bash conda install pytorch torchvision torchaudio cudatoolkit=12.1 -c pytorch ``` - **Pip 安装**（需指定特定版本）： 访问 [https://pytorch.org/get-started/locally/](https://pytorch.org/get-started/locally/) 获取适用于 CUDA 12.1 的安装命令，通常类似如下格式： ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` 5. **验证安装结果** 安装完成后，可以通过 Python 脚本来验证 CUDA 是否被 PyTorch 正确识别： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) # 应返回 True print(torch.version.cuda) # 应显示 CUDA 版本如 12.1 print(torch.backends.cudnn.version()) # 可选：检查 cuDNN 版本 ``` 6. **可能出现的问题及解决办法** - 如果 `torch.cuda.is_available()` 返回 `False`，请检查是否满足以下条件： - 已安装正确的 CUDA Toolkit 并配置好环境变量； - PyTorch 版本与 CUDA 版本严格匹配； - 操作系统和驱动程序支持该 CUDA 版本 [^3]。 - 如果使用虚拟环境，请确保激活的是正确的环境，并且该环境中安装了带有 CUDA 支持的 PyTorch 包。 ---