| 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：虽有的卡驱动更新至较新版本，且CUDA Toolkit及PyTorch也可对应更新至新版本。但有的对应安装包无法使用，有可能是由于卡太旧的原因。
在安装时会同时安装CUDA Toolkit以及PyTorch，这是我们要知道的。
使用nvidia-smi查询驱动版本：
如图中Driver Version所示，该卡目前的驱动版本为384.81。
此处提供三种方法可供选择。
（1）指定CUDA Toolkit版本
根据表一查询到可安装的CUDA Toolkit版本，384.81对应最高的CUDA Toolkit版本为9.0。
运行conda install pytorch cudatoolkit=9.0 -c pytorch即可。
此方法指定CUDA Toolkit版本后，conda会自动匹配到合适版本的PyTorch。
（2）指定PyTorch版本
根据表一查询到可安装的CUDA Toolkit版本，再根据表二查询到合适版本的PyTorch。384.81对应最高的CUDA Toolkit版本为9.0，9.0可安装PyTorch1.1.0版本。
运行conda install pytorch=1.1.0 -c pytorch即可。
此方法指定PyTorch版本后，conda会自动匹配到合适版本的CUDA Toolkit。
（3）同时指定CUDA Toolkit版本和PyTorch（推荐）
根据表一查询到可安装的CUDA Toolkit版本，根据表二查询到合适版本的PyTorch。
运行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安装时命令有些许不同，具体可查看官网。
#使用python运行 import torch print(torch.__version__) print(torch.cuda.is_available())
卸载当前版本PyTorch：
conda uninstall pytorch
补充：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
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。
