针对你现在的情况——已经有稳定运行的CUDA 11.2环境，想在强化学习中用PyTorch，但官方当前只提供CUDA 10.2和11.3的选项，我给你拆解清楚所有问题：

1. 能不能用非官方推荐CUDA版本对应的PyTorch？ #

答案是可以，但要分情况看兼容性：

• 如果PyTorch编译依赖的CUDA版本低于你系统的CUDA版本（比如你用CUDA11.2，装适配10.2的PyTorch）：这种情况基本能正常跑。因为NVIDIA的CUDA Runtime支持向后兼容——高版本的运行时可以适配低版本编译的二进制文件。常规的强化学习任务（比如DQN、PPO这类常用算法）几乎不会遇到问题，顶多少数依赖CUDA11.x新特性的操作有轻微性能损失，但完全不影响使用。
• 如果PyTorch编译依赖的CUDA版本高于你系统的版本：这种情况大概率跑不起来，低版本的CUDA Runtime没法支持高版本编译的代码。

2. 适配CUDA10.2的PyTorch能在CUDA11.2环境下正常运行吗？ #

正如上面所说，绝大多数场景下完全没问题。强化学习用到的PyTorch核心模块（张量运算、神经网络层、优化器等）都不依赖CUDA11.x的专属功能，所以不会出bug。只是在极少数调用最新CUDA算子的场景下，性能不如适配11.2的版本，但对你的需求来说可以忽略不计。

3. 对你来说最优的PyTorch版本选择 #

给你两个优先级从高到低的方案：

方案1：安装适配CUDA11.2的PyTorch历史版本 #

PyTorch在1.10.x到1.12.x版本中提供了CUDA11.2的预编译包，完美匹配你现有的环境，兼容性和性能都是最佳的。你可以用以下pip命令安装：

pip install torch==1.12.1+cu112 torchvision==0.13.1+cu112 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu112

这个版本足够支持Stable Baselines3、RLlib等主流强化学习框架，完全不需要改动你当前的CUDA11.2环境。

方案2：直接装适配CUDA11.3的PyTorch最新版本 #

划重点：不需要手动升级系统的CUDA11.2！ 因为PyTorch的预编译二进制包自带独立的CUDA Runtime，完全不依赖你系统里安装的CUDA Toolkit。也就是说，你系统是11.2，装了cu113版本的PyTorch，它会用自己内置的11.3运行时，和系统的CUDA11.2互不干扰。这个方案的好处是能用上PyTorch的最新功能和性能优化，适合喜欢尝新或者需要新特性的场景。

绝对不推荐的方案：降级系统CUDA到10.2 #

完全没必要，既浪费时间，还可能搞坏你之前用得好好的TensorFlow Keras环境（毕竟你之前用CUDA11.2效果很好，降级后TensorFlow反而可能出问题）。

内容的提问来源于stack exchange，提问作者nasc