注：雖有的卡驅動更新至較新版本，且CUDA Toolkit及PyTorch也可對應更新至新版本。但有的對應安裝包無法使用，有可能是由于卡太舊的原因。

3.安裝指導

在安裝時會同時安裝CUDA Toolkit以及PyTorch，這是我們要知道的。

步驟一：

使用nvidia-smi查詢驅動版本：

如圖中Driver Version所示，該卡目前的驅動版本為384.81。

步驟二：

此處提供三種方法可供選擇。

（1）指定CUDA Toolkit版本

根據表一查詢到可安裝的CUDA Toolkit版本，384.81對應最高的CUDA Toolkit版本為9.0。

運行conda install pytorch cudatoolkit=9.0 -c pytorch即可。

此方法指定CUDA Toolkit版本后，conda會自動匹配到合適版本的PyTorch。

（2）指定PyTorch版本

根據表一查詢到可安裝的CUDA Toolkit版本，再根據表二查詢到合適版本的PyTorch。384.81對應最高的CUDA Toolkit版本為9.0，9.0可安裝PyTorch1.1.0版本。

運行conda install pytorch=1.1.0 -c pytorch即可。

此方法指定PyTorch版本后，conda會自動匹配到合適版本的CUDA Toolkit。

（3）同時指定CUDA Toolkit版本和PyTorch（推薦）

根據表一查詢到可安裝的CUDA Toolkit版本，根據表二查詢到合適版本的PyTorch。

運行conda install pytorch=1.1.0 cudatoolkit=9.0 -c pytorch即可。

注：PyTorch1.8.0和1.0.0以前版本使用conda安裝時命令有些許不同，具體可查看官網。

4.驗證安裝是否成功

#使用python運行
import torch
print(torch.__version__)
print(torch.cuda.is_available())

卸載當前版本PyTorch：

conda uninstall pytorch

補充：查看PyTorch的版本及CUDA和cuDNN版本

檢查PyTorch版本

torch.version # PyTorch version
torch.version.cuda # Corresponding CUDA version
torch.backends.cudnn.version() # Corresponding cuDNN version
torch.cuda.get_device_name(0) # GPU type

更新PyTorch

conda update pytorch torchvision -c pytorch

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。