代码收藏家 CUDA(CUDA Toolkit)、显卡算力、PyTorch版本之间的匹配
刚开始在Anaconda搞环境的时候没注意到这三者之间的对应关系，点进去CUDA Toolkit的安装官网：
CUDA Toolkit 12.1 Downloads | NVIDIA DeveloperResources CUDA Documentation/Release NotesMacOS Tools Training Sample Code Forums Archive of Previous CUDA Releases FAQ Open Source PackagesSubmit a BugTarball and Zip Archive Deliverableshttps://developer.nvidia.com/cuda-downloads就直接下载安装了最新版本的CUDA Toolkit12.1.66，回过神来后，发现CUDA(CUDA Toolkit)、显卡算力、PyTorch三者之间有一定的匹配关系。
目录
硬件&系统信息
对照流程
1. 显卡算力对照
官网给出了每一款显卡的算力：
https://developer.nvidia.com/zh-cn/cuda-gpushttps://developer.nvidia.com/zh-cn/cuda-gpus
对应什么产品什么型号就自行选择即可。3070和3070Ti都是8.6的算力。
那么CUDA Toolkit12.1.66的需要的驱动版本范围应该在对应的版本的说明文档里标明，如12.1版本的说明在网站https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#notices中标出：（我用的是Windows系统）
2. 查看驱动版本(Driver Version)
按start+R，输入cmd，打开windows命令行，输入命令nvidia-smi：
还好，我的显卡满足cudatoolkit12.1.66的要求。
3. PyTorch对应的版本
若不知道如何在Anaconda的环境中安装PyTorch，请看：Anaconda+PyCharm+PyTorch+Gym深度强化学习环境搭建 送新手直接送进炼丹炉_pycharm安装gym库_在屏幕前出油的博客-CSDN博客Anaconda+PyCharm+PyTorch+Gym强化学习环境搭建流程，新手强化学习炼丹炉入口。https://blog.csdn.net/qq_43674552/article/details/127343863?spm=1001.2014.3001.5502那么现在来看PyTorch了，目前官网最高支持的是CUDA版本是11.8，有些滞后，和我的CUDA12.1.66版本是不匹配的。但之前我在Anaconda环境中安装的也是CUDA版本为11.8的PyTorch（版本如下图）：
所以，由于PyTorch给出的CUDA的版本有些滞后，就需要验证一下支持CUDA11.8的PyTorch是否和CUDA12.1.66是兼容的，于是我在这个PyTorch官网安装页往下翻了翻：
也没说什么特别的，就是说conda和CUDA要适配你的机器，并且在你的可选范围内，选择CUDA版本越高的PyTorch越好。
接着官网给了安装成功的认证过程：
翻译过来就是说，以下步骤可以帮你认证你的PyTorch是否安装成功，并且你的CUDA是否能为PyTorch所用。
用PyCharm新建一个空项目，环境配置选择安装了PyTorch(CUDA version = 11.8)的那个环境，按照上图官网文档给出的命令验证一下即可：
import torch
x = torch.rand(5, 3)
print(x)
#如果你的输出是类似于官网给出的那个tensor的样子，说明torch可用
torch.cuda.is_available()
#若返回True则说明CUDA可用
我输出了一个和官网给出的相似的结果（绿框里的那个tensor），并告诉我我的CUDA可以使用，但不知道跑模型的时候会不会提示什么不兼容的错误（应该不会，到时候再说）。
哦对了，CUDA官网还说CUDA是向下兼容的，所以我觉得高版本CUDA会兼容支持低版本CUDA的PyTorch。但如果选择保守一点，就严格按照对应的版本安装使用即可。
