适配CUDA12.2的PyTorch版本及官网无对应版本问题咨询

一、PyTorch版本选择 #

PyTorch官方未单独提供CUDA12.2的预编译包，但CUDA具有向前兼容性，选择适配CUDA12.1的PyTorch预编译包即可在CUDA12.2环境下正常运行。

你可以使用以下pip命令安装对应版本：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

若你需要完全适配CUDA12.2的版本，也可以选择从PyTorch源码编译，但预编译包的兼容性已经能满足绝大多数场景需求。

二、CUDA从10.0升级到12.2的步骤 #

1. 卸载旧版本CUDA工具包 #

以Ubuntu系统为例，执行以下命令卸载：

sudo apt-get purge nvidia-cuda-toolkit

注意：若当前NVIDIA驱动版本低于525.60.13（CUDA12.2的最低驱动要求），需同时卸载旧驱动，后续安装CUDA时选择一并安装兼容驱动。

2. 安装CUDA12.2工具包 #

前往NVIDIA官网下载对应系统的CUDA12.2安装包（建议选择runfile格式，便于自定义安装选项），运行安装程序时：

• 若已安装兼容驱动，取消勾选“Driver”选项，仅安装CUDA Toolkit和Samples；
• 若未安装兼容驱动，保留“Driver”选项，完成驱动和CUDA工具包的安装。

3. 配置环境变量 #

编辑~/.bashrc（或~/.zshrc）文件，添加以下内容：

export PATH=/usr/local/cuda-12.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH

执行以下命令使环境变量生效：

source ~/.bashrc

三、验证安装结果 #

安装完成后，运行Python并执行以下代码验证：

import torch
print(torch.cuda.is_available())
print(torch.version.cuda)

若输出True和对应的CUDA版本（如12.1），则说明PyTorch可在CUDA12.2环境下正常使用。

内容的提问来源于stack exchange，提问作者Hai Ling