Linux下PyTorch、CUDA Toolkit 及显卡驱动版本对应关系（附详细安装步骤）

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

最新可查阅官方文档

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，欢迎评论区补充）

表二：CUDA Toolkit版本及可用PyTorch对应关系

CUDAToolkit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	1.11.0，1.9.0，1.8.1，1.8.0，1.7.1，1.7.0，1.6.0，1.5.1，1.5.0
11.0	1.7.1，1.7.0
11.1	1.8.0
11.3	1.11.0，1.9.0，1.8.1

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（推荐）
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
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：
（1）需要安装torchaudio以及torchvision时将其放在pytorch之后即可，如：conda install pytorch torchaudio torchvision cudatoolkit=9.0 -c pytorch
（2）-c pytorch为采用官网源下载，如果去掉，则在清华镜像源配置后可采用清华镜像源下载，配置清华镜像源可参考：Linux下conda使用清华镜像源快速安装PyTorch [CSDN]。
（3）PyTorch1.8.0，1.9.0及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

推荐阅读
Linux下conda使用清华镜像源快速安装PyTorch [CSDN]
conda安装环境相关 [CSDN]
PyTorch旧版本和CUDA Tookit版本对应情况（可复制对应安装命令)
PyTorch官网（下载最新版）

参考：
PyTorch [官网]
Pytorch如何更新版本与卸载，使用pip,conda更新卸载Pytorch [CSDN]