CUDA 版本与 PyTorch 不匹配、GPU 无法使用怎么解决？

先分清三个概念（90% 的困惑来自这里）：

• NVIDIA 驱动：nvidia-smi 右上角显示的 "CUDA Version" 是驱动支持的最高 CUDA 版本，不是说你必须装这个版本。
• CUDA Toolkit：编译和运行 CUDA 程序的环境。
• PyTorch 自带 CUDA runtime：PyTorch 的 wheel 里已经打包了所需的 CUDA 运行库，只要驱动版本 >= PyTorch 要求即可，通常不需要单独装 CUDA Toolkit。

解决步骤：

第 1 步：查看显卡驱动

nvidia-smi

记下驱动版本和右上角 CUDA Version（如 12.4）。

第 2 步：按官网选择匹配的安装命令

去 PyTorch 官网（pytorch.org/get-started），选择系统、包管理器、CUDA 版本，复制安装命令。例如：

# CUDA 12.1 版本
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

原则：PyTorch 的 cu 版本 ≤ 驱动的 CUDA Version 即可。驱动较旧（如 CUDA 11.8）就装 cu118；驱动新（12.x）直接装 cu121/cu124。

第 3 步：验证是否可用

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

输出 True 和显卡名即成功。

常见坑：

1. 能 import torch 但 is_available() 返回 False：99% 是 PyTorch 装成了 CPU 版——重新按第 2 步带 --index-url .../cuXXX 安装。

2. 报 CUDA out of memory：这是显存不够，不是版本问题，换小 batch size 或小模型。

3. 驱动太老装不了新版 PyTorch：升级驱动（NVIDIA 官网），或在 PyTorch 官网选更低 cu 版本。

4. Windows 下装了两个 Python/多环境：确认你用的 python 是哪个（where python / which python）。

自查命令清单： nvidia-smi（驱动）→ python -c "import torch; print(torch.version.cuda)"（PyTorch 编译的 CUDA 版本）→ torch.cuda.is_available()（是否可用）。