深度学习中关于pytorch安装是否需要安装CUDA Toolkit

        在安装pytorch时会显示的或者默认的安装pytorch-cuda，它是PyTorch 的运行时 CUDA 后端，仅包含运行所需的 CUDA 动态库。❌ 并不包含 nvcc、cuda.h 等用于编译 CUDA 扩展的开发工具链。

项目	是否包含	作用说明
pytorch-cuda	✅ CUDA 动态库（.so）❌ 不含 nvcc	只用于运行 PyTorch GPU 模型
CUDA Toolkit	✅ nvcc + include + lib	提供编译 .cu 扩展模块所需的完整工具链

        因此，你想运行调试pytorch代码，安装的pytorch-cuda只需要小于等于系统cuda驱动版本即可，而不需要系统上安装完全相同版本的 CUDA Toolkit，即可利用到GPU。

        但是当你使用编译带有 CUDA 扩展的 PyTorch 第三方库，比如：

• torch_scatter、torch_sparse、torch_cluster、torch_spline_conv 等 PyG 扩展

• 自定义写的 CUDA 算子（setup.py 里用 CUDAExtension）

        就需要安装对应PyTorch CUDA 版本的 CUDA Toolkit（含编译器、头文件等），否则会出现版本不匹配或者编译失败。

安装CUDA Toolkit的常规步骤（以Ubuntu为例）

        去NVIDIA官网：CUDA Toolkit Archive

        选择合适版本（例如CUDA 10.2、11.3等），下载对应系统的 .run 或 .deb 安装包。

        安装CUDA Toolkit（以 .run 包为例）

# 给安装文件可执行权限
chmod +x cuda_10.2.89_440.33.01_linux.run

# 运行安装程序
sudo ./cuda_10.2.89_440.33.01_linux.run

安装过程中注意：

• 可以选择不安装驱动（一般选择不）。

• 只安装Toolkit和Samples即可。

• 配置环境变量，示例如下。

配置环境变量 

在 ~/.bashrc 或 ~/.zshrc 中添加：

export PATH=/usr/local/cuda-10.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH

然后执行：

source ~/.bashrc

验证安装

nvcc --version

看到版本信息即安装成功。

总结

关键点	说明
系统驱动（NVIDIA Driver）	需兼容你安装的CUDA Toolkit版本，驱动必须新于或等于Toolkit最低要求
CUDA Toolkit版本	可以和驱动不完全一致，但需兼容，通常驱动版本更高没问题
安装建议	安装CUDA Toolkit时建议不覆盖系统驱动（避免冲突）

两篇写的比较好的文章

显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？

Pytorch 使用不同版本的 cuda