特定版本PyTorch含CUDA版本安装问题咨询

a) 为何不同机器指定CUDA版本存在差异 #

• 显卡驱动版本不兼容：PyTorch的CUDA版本对显卡驱动有最低要求，比如cu113需要驱动版本≥465.19.01。如果另一台机器的驱动版本低于这个阈值，pip会自动降级安装兼容的CUDA版本（比如cu10.2），因为高版本CUDA无法在低版本驱动上运行。
• pip源缺少对应包：部分pip默认源或者第三方源可能没有同步PyTorch带特定CUDA后缀的包（如torch==1.11.0+cu113），导致pip找不到对应版本，只能安装默认的CUDA兼容版本。
• 系统架构差异：如果两台机器架构不同（比如x86_64和ARM），部分CUDA版本的PyTorch包可能只支持特定架构，也会导致安装失败并 fallback到兼容版本。

b) 项目提供的安装命令与官方命令有何区别 #

• 源指定差异：官方命令会明确添加--extra-index-url https://download.pytorch.org/whl/cuXXX参数，指向PyTorch官方的whl包仓库，这里的包都是带明确CUDA后缀的；而项目命令可能只写了包版本（如torch==1.11.0+cu113），没有指定官方源，pip会从默认源查找，若默认源无对应包则安装普通版本。
• 版本绑定差异：官方命令会同步指定torchvision、torchaudio的对应版本，且确保三者的CUDA版本一致；项目命令可能只指定了torch版本，或者torchvision/torchaudio版本不匹配，容易导致安装混乱。
• 参数完整性：官方命令会考虑不同Python版本、系统的兼容性，参数更完整；项目命令可能简化了参数，忽略了源或版本依赖的细节。

c) 如何正确安装所需的特定CUDA版本的PyTorch #

1. 彻底卸载现有PyTorch组件：执行命令pip uninstall -y torch torchvision torchaudio，确保旧版本完全清除，避免版本冲突。
2. 验证显卡驱动兼容性：先确认目标CUDA版本的最低驱动要求（比如cu113需要驱动≥465.19.01），如果驱动版本不足，先升级显卡驱动。
3. 使用官方完整安装命令：以torch1.11.0+cu113为例，执行：

   pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113
   

   注意要匹配对应CUDA版本的index-url，以及torchvision、torchaudio的对应版本。
4. 验证安装结果：打开Python终端，执行：

   import torch
   print(torch.cuda.is_available())  # 输出True表示CUDA可用
   print(torch.version.cuda)  # 检查是否为目标CUDA版本（如11.3）
   

5. 确保环境正确：如果使用虚拟环境，要先激活目标环境再执行安装命令；同时确保pip版本是最新的，可执行pip install --upgrade pip更新。

内容的提问来源于stack exchange，提问作者Eypros