PytorchGPU版本安装全过程

在正式开始安装之前，先做几个检查，确认一下当前环境的状态。

如果想看看你电脑上已经安装的 PyTorch 是什么版本，可以直接在项目里运行下面这段代码。如果之前压根没装过，跳过这一步就行。

import torch
print(f"PyTorch 版本: {torch.__version__}")
# 如果输出 PyTorch 版本: 版本号+cpu

看到输出里带了个 +cpu 的尾巴，就说明现在用的是 CPU 版本。如果你的代码刚好需要 GPU 来提速，那我接着往下带你操作。

首先要确认一件事：你的电脑里有没有英伟达的显卡。笔记本的话，可以看看 C 面（键盘那一面）有没有一张绿色的小贴纸，上面印着 NVIDIA。如果有，直接跳到下一步就行。

要是贴纸已经掉了或者电脑用了好几年，也别着急，还有别的办法。

按 Win + R 打开运行对话框，输入 devmgmt.msc，然后回车，就能进入设备管理器。点开“显示适配器”，看看下面有没有带 NVIDIA 字样的设备。有，就没问题。

一、查看电脑显卡驱动版本

打开命令提示符（Windows）或终端（macOS/Linux），输入下面这行命令然后回车：

nvidia-smi

在输出的信息里，注意右上角那一行 CUDA Version: xx.x。这个数字代表你当前显卡驱动最高能支持的 CUDA 版本。比如我这里显示的是 13.2。

二、安装

1. 卸载PyTorch

如果之前装过 CPU 版本的 PyTorch，得先把它卸干净。在终端里运行下面这行命令（如果项目用了虚拟环境，记得先激活环境再执行）：

pip uninstall torch torchvision torchaudio

如果之前没装过，直接跳到下一步就行。

2. 安装GPU版本的PyTorch

这里有一个简单的原则：本机的CUDA版本必须大于或等于你想要安装的CUDA版本。比如我的版本是 13.2，那我安装 12.6 的版本就没问题，因为 13.2 > 12.6。

然后去 PyTorch 官网，往下滑到 Install PyTorch 这个区域，根据你的操作系统、包管理工具（pip 或 conda）和 CUDA 版本，选择合适的配置。官网会自动生成对应的安装命令。

复制那条命令，在终端里运行（如果有项目，就在项目的虚拟环境终端里运行）。比如我的命令看起来是这样的：

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126

三、检验

1. 终端检验

安装完成后，在终端里运行 pip list（还是在项目虚拟环境里），找到 torch 那一行。如果版本号后面带了 cu 和你刚才安装的版本号（比如 cu126），那就妥了。

2. 代码检验

用代码验证一下，更直接。输出 True 的话，就说明 GPU 版本的 PyTorch 已经正常工作了。

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_a vailable())  #输出为True，则安装无误

总结

整个过程其实不复杂：先确认显卡和驱动版本，然后卸载旧版本，接着用官网命令安装匹配的 GPU 版本，最后用代码验证一下。只要每一步都走对了，基本不会出什么问题。