50系列显卡配环境踩坑记录（pytorch

最新推荐文章于 2025-04-23 19:53:01 发布

一颗树莓zcc

最新推荐文章于 2025-04-23 19:53:01 发布

阅读量1.4k

点赞数 10

文章标签： pytorch 人工智能 python cuda12.8

本文链接：https://blog.csdn.net/zcccccccccqwq/article/details/147239740

版权

上个月入的5070Ti本来想美美跑代码了，但是发现很多package没有更新到适配cu12.8的版本（.........持续更新一个踩坑记录

1. 装torch的时候会报这个错：

NVIDIA GeForce RTX 5070 Ti with CUDA capability sm_120 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_50 sm_60 sm_70 sm_75 sm_80 sm_86 sm_90.

解决方式是只能装pytorch官网的适配cu128的nightly版本：

（哈哈之前我确实是这样装成功的哈但是4月14号配另一个环境的时候突然报错了说No matching distribution found for torch也不知道是怎么回事儿

2. 装xformers

xformers目前是完全没有提供cu128对应的包的好像，最后我按照github上贵人的指导进行了重新编译，可以参考：Fixed RTX 5090 build issue by maludwig · Pull Request #1235 · facebookresearch/xformers

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

一颗树莓zcc

关注关注

10
点赞
踩
6

收藏

觉得还不错? 一键收藏
3
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

windows 安装pytorch 踩坑记录以及解决方法

qq_44318809的博客

09-10

270

pytorch安装调用不了gpu踩坑及解决办法

windows安装pytorch gpu版本踩坑记录

weixin_45113630的博客

11-02

918

安装pytorch gpu版本如果直接在anaconda base虚拟环境中安装，会出现许多版本不兼容的问题可以在anaconda powershell prompt中创建一个新的虚拟环境，安装pytorch gpu版，之后记得在该环境下安装一个jupyter notebook,就可以使用了 ...

3 条评论您还未登录，请先登录后发表或查看评论

GTX 50系显卡cuda、pytorch环境配置

weixin_41041772的博客

03-03

1万+

对于NVIDIA Blackwell架构的显卡，需要使用最新版本的cuda-12.8，同时tensorRT也需要最新版本TensorRT 10.8，对应pytorch也需要使用没有发布的开发版本2.7.0.dev20250226+cu128.

5080安装pytorch和cuda安装

2409_88902238的博客

03-21

1028

由于5080刚出不久，当前的torch正式版本是不支持这个sm_120的并行计算能力的显卡；建议先安装预发布版本的，cuda为12.8的，就能运行了，前提是主机上也装了cuda12.8。

英伟达新一代GPU架构（50系列显卡）PyTorch兼容性解决方案

deephub

04-05

4771

新一代GPU如RTX 5070 Ti在深度学习环境中的应用，可能需要超出常规配置的特殊处理。本文记录的经验表明，使用最新的CUDA版本、采用Nightly构建版本以及确保环境各组件间的一致性，是解决此类问题的关键策略。对于需要使用最新硬件的深度学习从业者而言，了解这些策略并灵活应用，将有助于更高效地配置开发环境，避免在技术细节上消耗过多时间。

50系显卡Windows配置Anaconda中的CUDA及Pytorch

最新发布

m0_62013374的博客

04-23

2639

50系显卡Windows配置Anaconda中的CUDA及Pytorch

Nvidia 5070Ti 安装pytorch

weixin_46535650的博客

04-14

789

一、创建一个新的虚拟环境。二、去Pytorch官网。

超详细！百分百安装成功pytorch，建议收藏

m0_57180439的博客

09-20

6275

pytorch安装，anaconda安装，pycharm安装

关于RTX50系列显卡（5080/5090/5090D）CUDA12.8版本部署vllm服务相关步骤整理

liutian_ye的博客

04-08

4978

本文旨在记录RTX50系列显卡在cuda是12.8版本下成功部署vllm服务相关步骤和踩坑点。

【5070TI启动Stable Diffusion时报pytorch capability sm_120 is not compatible ...的解决方案】

su_he_xiang的博客

03-08

7803

什么？？新显卡到了不能用来生图，我要崩溃了！！五分钟操作解决50系显卡不能生图的问题

CUDA capability sm_86 is not compatible with the current PyTorch（安装DRIVER 多个CUDA CUDNN PYTORCH ）

Qianty的博客

04-03

4870

conda虚拟环境。

windows10+anaconda环境下安装pytorch出现CondaHTTPError: HTTP 000 CONNECTION FAILED for url 错误的踩坑详细记录

AgamaDog的博客

05-05

1786

在已经安装anaconda的情况下，进行pytorch的安装。从官网拷贝下安装命令后进行安装时却总是报错：CondaHTTPError: HTTP 000 CONNECTION FAILED for url，以下总结了所有我所尝试的解决方法，供大家参考，也许其中的某种方法对你有帮助。我的电脑显卡是AMD的，因此选择的是无cuda版本的，安装过程跟cuda版本基本相似，整体安装步骤可参考https...

detectron2+AdelaiDet环境配置踩坑记录

m0_62243029的博客

10-14

1039

这个坑有点多，配置detectron2环境花费了好久。其实这个环境我已经配过三四次了，只不过每次都是在不同电脑上操作，现在有些小激动，以此纪念。纯属小白，如有错误请指正。

Anaconda安装pytorch踩坑记录

watermelon_learn的博客

03-14

1456

创建新环境首先是在Anaconda上构建了一个新的环境，我这个是专门为了深度学习创建的环境，所以叫DeepLearning，创建方式是点击下面的create，之后取名就好了。这里也能看到python版本，记住了后面安装pytorch要用，我这里是python3.9.7。点击DeepLearning后面那个播放键，能打开这个环境的Terminal终端。后续的代码也都是在终端中输入的安装Pytorch 如何查看CUDA版本查看Anaconda Tensorflow CUDA 版本学习笔记_R

ResNet50 网络结构搭建(PyTorch)

热门推荐

New_WR的博客

12-07

4万+

ResNet50是一个经典的特征提取网络结构，虽然Pytorch已有官方实现，但为了加深对网络结构的理解，还是自己动手敲敲代码搭建一下。需要特别说明的是，笔者是以熟悉网络各层输出维度变化为目的的，只对建立后的网络赋予伪输入并测试各层输出，并没有用图像数据集训练过该网络（后续会用图像数据集测试并更新博客）。 1 预备理论在动手搭建ResNet50以前，首先需要明确ResNet系列网络的基本结构，其次复习与卷积相关的几个知识点，以便更好地理解网络中间输出维度的

RTX5080 安装torch，torchvision ,torchaudio 指南

qq_52810166的博客

04-02

1394

RTX 5080 sm120架构，torch 预发布版，手动急速下载，因为国内暂无镜像源可用。个人提取好了py310版本对应的包，可供指导下载使用

pytorch安装

m0_67886272的博客

02-11

1099

emm，这篇文章里有pytorch官网，cuda历史版本网址。

NVIDIA GeForce RTX 4080 with CUDA capability sm_89 is not compatible with the current PyTorch instal

qq_38473254的博客

10-16

1808

这个警告信息表明你当前安装的PyTorch版本不支持你的NVIDIA GeForce RTX 4080 GPU，因为它的CUDA架构是sm_89，而你的PyTorch只支持sm_37、sm_50、sm_60和sm_70。为了使用GeForce RTX 4080 GPU，你需要安装一个支持sm_89架构的PyTorch版本。2、此时我的pytorch版本为1.11.0，查看cuda版本。运行命令，重新运行程序运行正常。根据自己的平台进行选择。

50系显卡torch

04-03

### NVIDIA 50系列显卡与PyTorch的兼容性及性能优化 #### 显卡驱动与CUDA版本的关系 NVIDIA 50系列显卡（如RTX 3050、RTX 3060 Ti等）属于Ampere架构，其支持的最低CUDA版本通常为CUDA 11.x。通过`nvidia-smi`命令可以查看当前系统的GPU驱动程序版本以及所支持的最大CUDA版本[^2]。由于不同版本的PyTorch依赖特定的CUDA库，因此需要确保安装的PyTorch版本与其匹配。例如，如果系统中的NVIDIA Driver Version支持CUDA 11.7，则可以选择安装基于此CUDA版本构建的PyTorch二进制文件。具体可参考官方文档或使用以下命令来获取推荐版本： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` 上述命令适用于CUDA 11.7环境下的PyTorch安装[^1]。 #### 性能优化策略为了充分发挥NVIDIA 50系列显卡在PyTorch中的计算能力，可以从以下几个方面入手： 1. **混合精度训练** 利用NVIDIA Ampere架构的支持特性，可以通过启用自动混合精度（Automatic Mixed Precision, AMP）进一步提升模型训练速度并减少内存占用。AMP允许部分操作以较低精度运行而不会显著影响最终结果的质量。实现方法如下所示： ```python import torch from torch.cuda.amp import GradScaler, autocast scaler = GradScaler() model = YourModel().cuda() optimizer = torch.optim.SGD(model.parameters(), lr=0.01) for input, target in data_loader: optimizer.zero_grad() with autocast(): output = model(input) loss = criterion(output, target) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() ``` 2. **数据加载效率改进** 高效的数据预处理和传输对于充分利用GPU资源至关重要。建议采用多线程方式读取数据集，并合理设置批量大小(batch size)，从而避免CPU成为瓶颈。此外，在可能的情况下优先选用Pin Memory功能加速主机到设备之间的拷贝过程。 3. **分布式训练配置** 当单张50系显卡无法满足大规模深度学习任务需求时，考虑利用多GPU协同工作模式完成更复杂的运算场景。PyTorch提供了DistributedDataParallel (DDP)接口简化此类开发流程。关于某些情况下conda默认提供CPU-only版PyTorch的现象，可能是因环境变量设定不当所致[^3]。此时只需重新指定正确的索引源即可解决该问题。