【一文梳理】CUDA Toolkit版本，pytorch版本，硬件支持的最高CUDA Toolkit的关系

在使用GPU进行深度学习的过程中，我们免不了与pytorch打交道，这时候就需要根据我们现有的硬件，选择版本合适的CUDA Toolkit，进而选择版本合适的pytorch。

下面我就梳理一下常用的查看CUDA Toolkit的命令已经pytorch的兼容关系：

1.检查当前硬件所支持的最高版本的CUDA Toolkit

nvidia-smi 

运行之后，右上角显示的CUDA Version：12.2 是你的硬件所支持的最高版本的CUDA Toolkit。也就是说，你在下载CUDA Toolkit的时候，版本不可以超过12.2，但是低于12.2的CUDA Toolkit是可以配合你的GPU正常使用的。（下载CUDA Toolkit的方法是从英伟达官方网站上下载，到这里与pytorch没有任何关系）

2.检查你的电脑上现在安装的CUDA Toolkit的版本

nvcc --version

运行之后，显示：Cuda compilation tools, release 11.2, V11.2.152

也就是说，我现在安装的CUDA Toolkit的版本是11.2。

实际安装的CUDA Toolkit的版本要低于或者等于硬件支持的最高的CUDA Toolkit的版本。

3.选择pytorch版本

这里仅仅讲解选择pytorch版本问题，不讲解怎么安装pytorch的问题。

在安装pytorch的时候，一定要选择低于或者等于电脑上实际安装的CUDA Toolkit的版本。

以手动安装为例子，下图显示了我安装的torch的具体信息（这是手动安装时需要下载的whl文件）：

该torch的版本是2.0.0

该torch适配的CUDA Toolkit的版本是11.8

该torch适配的Python的版本是3.11

该文件适用于在Windows系统下安装torch

其中我们要选择的就是CUDA Toolkit的版本，这里我选择了11.8，高于我现在安装的CUDA Toolkit的版本11.2，所以这样是不可以的，我需要选择一个可以适配低于CUDA Toolkit 11.2的torch。

最终我可以选择如下torch进行安装（当然，适配CUDA Toolkit 11.1的torch版本会比较低，适配的Python版本也比较低）：