| CUDAToolkit版本 | 可用PyTorch版本 |
|---|---|
| 7.5 | 0.4.1 ，0.3.0， 0.2.0，0.1.12-0.1.6 |
| 8.0 | 1.1.0，1.0.0 ，0.4.1 |
| 9.0 | 1.1.0，1.0.1, 1.0.0，0.4.1 |
| 9.2 | 1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.1 |
| 10.0 | 1.2.0，1.1.0，1.0.1 ,1.0.0 |
| 10.1 | 1.7.1，1.7.0，1.6.0，1.5.1，1.5.0， 1.4.0，1.3.0 |
| 10.2 | 1.7.1，1.7.0，1.6.0，1.5.1，1.5.0 |
| 11.0 | 1.7.1，1.7.0 |
| 11.1 | 1.8.0 |
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。
在安裝時會同時安裝CUDA Toolkit以及PyTorch，這是我們要知道的。
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。
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。
#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
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
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。
