Pytorch安装（CUDA11.1）

最新推荐文章于 2026-06-27 17:37:11 发布

原创最新推荐文章于 2026-06-27 17:37:11 发布 · 2.8w 阅读

本内容遵循CC 4.0 BY-SA版权协议

本文档详细介绍了CUDA和PyTorch的安装步骤。首先，通过NVIDIA控制面板或命令行确定CUDA版本，然后从官方网站下载并安装适合的CUDA版本。接着，遵循自定义安装选项，确保仅安装CUDA核心组件。最后，通过PyTorch官网选择适配CUDA版本的库，使用pip安装，并在Python环境中验证安装是否成功。总结中强调了版本匹配和网络超时可能导致的问题。

文章目录

前言
一、CUDA安装
二、PyTorch安装
总结

前言

最近安装好了PyTorch，遇到了一些问题，这里简单的整理下流程，帮助大家避免一些配置问题。

一、CUDA安装

1.CUDA版本选择

方法一：查看NVIDIA控制面板，点击系统信息，查看组件

可以看到其中第三行为CUDA 11.1.114 driver，因此可以选择CUDA版本为11.1

方法二：win+r，cmd进入命令行，输入nvidia-smi查看显卡信息

可以看到版本为11.1

2.CUDA下载

进入官网 CUDA 工具包 | NVIDIA Developer，选择合适的版本

或者直接百度CUDA11.1，进入下载即可

3.CUDA安装

点开上一步下载好的，进入安装即可

点击自定义，继续下一步，只打勾第一个CUDA，并且去掉Visual Studio Integration.

安装好后在命令行输入nvcc- V，没问题就说明CUDA安装成功。

二、PyTorch安装

1. 进入官网 PyTorch ，选择合适的版本

2.CUDA11.1

安装代码如下：

pip --default-timeout=1000 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

使用--default-timeout=1000解决网速过慢导致超时下载失败的可能。

3.验证

进入python交互环境，输入代码

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

True代表已经配置完成。

总结

需要主要pytorch与CUDA版本之间的关系，如果出现False很有可能是pytorch的版本与CUDA版本不匹配，还需要注意下载过程中可能网速的原因导致超时失败。

标签

#pytorch