【常用：cuda/pytorch/cudaToolkit/cudnn/python的对应关系】解决方案：附官网链接

            <div id="content_views" class="markdown_views prism-atom-one-light">
                <svg xmlns="http://www.w3.org/2000/svg" style="display: none;">
                    <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path>
                </svg>
                <p></p> 

一、查询可支持的最高cuda版本

在安装显卡驱动的前提下（显卡驱动安装方法），输入：

nvidia-smi

 
 

 
 
1

可以看到该电脑可以支持的cuda版本最高是11.4，驱动是向下兼容的，所以cuda版本小于等于11.4的都可以安装上。
（如果想安装的cuda版本不在可支持的cuda版本内，则可以考虑升级电脑的内核，从而实现对cuda高版本的安装。具体cuda版本及需要的内核详见：CUDA Toolkit and Corresponding Driver Versions ）

二、查看cuda、cudnn、pytorch、torchvision对应版本

表1 cuda与cudnn对应的版本

cuda	cudnn
11.5	8.3.3、8.3.2、8.3.1、8.3.0、8.2.1、8.2.0
11.4	8.2.4、8.2.2、8.2.1、8.2.0
11.3	8.2.1、8.2.0
11.2	8.2.1、8.2.0、8.1.1、8.1.0
11.1	8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.5、8.0.4
11.0	8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1
10.2	8.3.3、8.3.2、8.3.1、8.3.0、8.2.4、8.2.2、8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1、7.6.5
10.1	8.0.5、8.0.4、8.0.3、8.0.2、7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0
10.0	7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0
9.2	7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.2.1、7.1.4、7.1.2
9.1	7.1.3、7.1.2、7.0.5
9.0	7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0、7.1.4、7.1.3、7.1.2、7.0.5、7.0.4
8.0	7.1.4、7.1.3、7.0.5、6.0、5.1、5
7.5	5.1、5
7.0	4、3
6.5	2、1

cudnn是用于深度神经网络的GPU加速库，cuda是平台，两者都需要安装才可以调用GPU加速。
cuda与cudnn的关系详解
最新 【NVIDIA官网】cuda与cudnn对应的版本

CUDAToolkit是NVIDIA的CUDA工具包,包含了CUDA的全部工具。CUDAToolkit与cuda版本相同。

表2 cuda、CUDAToolkit与pytorch对应的版本

cuda	CUDAToolkit	pytorch
11.3	11.3	1.10.1、1.10.0、1.9.1、1.9.0、1.8.1
11.1	11.1	1.10.0、1.9.1、1.9.0、1.8.1、1.8.0
11.0	11.0	1.7.1、1.7.0
10.2	10.2	1.10.1、1.10.0、1.9.1、1.9.0、1.8.1、1.8.0、1.7.1、1.7.0、1.6.0、1.5.1、1.5.0
10.1	10.1	1.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0
10.0	10.0	1.2.0、1.1.0、1.0.1、1.0.0
9.2	9.2	1.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0、1.2.0
9.0	9.0	1.1.0、1.0.1、1.0.0
8.0	8.0	1.0.0

最新 【pytorch官网】CUDAToolkit与pytorch对应的版本

表3 pytorch与torchvision对应的版本

pytorch	torchvision
1.10.1	0.11.2
1.10.0	0.11.0
1.9.1	0.10.1
1.9.0	0.10.0
1.8.1	0.9.1
1.8.0	0.9.0
1.7.1	0.8.2
1.7.0	0.8.0
1.6.0	0.7.0
1.5.1	0.6.1
1.5.0	0.6.0
1.4.0	0.5.0
1.2.0	0.4.0
1.1.0	0.3.0
1.0.1	0.2.2
1.0.0	0.2.1

最新 【pytorch官网】pytorch与torchvision对应的版本

三、安装

3.1 Windows上安装

1. Windows——安装cuda10.2和cudnn7.6.5（两者搭配稳定可靠）
2. PyTorch——基于Windows环境下的安装教程

3.2 Ubuntu上安装

1. Ubuntu 18.04——Anaconda + CUDA + Cudnn + Pytorch + TensorRT 深度学习环境配置

四、测试是否安装成功

终端输入：

python

 
 

 
 
1

import torch

 
 

 
 
1

torch.cuda.is_available()

 
 

 
 
1

如果输出为True，则代表安装成功。

五、小贴士

1. cuda、cudnn需要去官网下载后按照教程安装，这样安装成功几率大，直接命令行安装失败风险很大。
2. 安装指定版本的pytorch、torchvision、cudatoolkit，在输入安装指令的那一步，直接加上版本号即可。举例：conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 -c pytorch

原文连接：https://blog.csdn.net/Williamcsj/article/details/123915652