前言

由于不同的代码需要的环境不同，在conda环境下使用旧版本的python 会经常导致cuda或torch的版本不对齐，跑不通，这里进行总结。特别是换显卡的时候

一、对应关系

1.python 与torch的对应关系：https://github.com/pytorch/vision?tab=readme-ov-file#installation
2.torch版本与cuda版本对应关系：https://pytorch.org/get-started/previous-versions/
3.cuda版本与显卡驱动对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#id7
4.cuda版本与显卡架构对应关系：https://zh.wikipedia.org/wiki/CUDA#cite_note-9

这里改显卡驱动花费的成本的最高，基本上不会改它，nvidia的游戏驱动更新会提高此版本，一般问题不大，因为cuda版本是向下兼容的。
但是降显卡驱动比较麻烦，且一般不被允许，因为显卡架构问题，不会向下兼容，所以驱动版本一般固定在起码多少多少版本之上。

从官方581.80驱动支持显卡型号可以看出，基本上新驱动是支持旧显卡的，

但是旧驱动就不一定支持新显卡，
从（第4个对应关系）可以看出50系列使用了最新的blackkwell架构，其至少需要cuda12.8的版本，再从（第3 个对应关系）看出cuda12.8 至少需要570的驱动，故，再旧一点的驱动支持不了新架构的显卡。

wiki_50系列显卡

二、举例

拿5070 laptop 现阶段的电脑举例，此电脑的显卡是50系，即显卡驱动是起码570版本之上(即：>=570<=581.80)。
从4关系倒推到显卡驱动，更新了显卡驱动，可支持的cuda版本才会提高（-- 4关系 -- 3关系）
比方说：这里其实默认的驱动是576.57，cuda version 是12.9，（第3个对应关系）

后来我更新了下显卡驱动到13.0，这里cuda最高支持到13.0版本。（即：>=12.8 <=13.0）
大于12.8 上面有解释，先看显卡用了什么架构，再看此架构可以至少多少版本的cuda (-- 4关系)

我们更多关心至少是多少版本驱动，因为目前最新的版本很容易通过nvidia-smi知道,且会随着时间更新
从（第2 个对应关系）看出cuda12.8对应的最低的torch版本是 torch==2.8.0 （即：>=2.8.0，<=2.9.0）
从（第1个对应关系）看出torch2.8.0至少需要python3.9 最高3.11（即：>=3.9, <=3.13）

故：此50型号显卡，目前的可用环境配置跨度,最高配置还在更新，只需知道最低配置就可。
1.cuda >=12.8
2.torch >=2.8.0
3.python>=3.9

总结

1.python 与torch的对应关系：https://github.com/pytorch/vision?tab=readme-ov-file#installation
2.torch版本与cuda版本对应关系：https://pytorch.org/get-started/previous-versions/
3.cuda版本与显卡驱动对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#id7
4.cuda版本与显卡架构对应关系：https://zh.wikipedia.org/wiki/CUDA#cite_note-9

1.看自己显卡的架构 从而知道至少多少版本的cuda才可以用（-- 4）
2.用nvidia-smi 看目前可以支持最高多少版本的cuda,如果达不到想要的高版本cuda，再更新驱动（-- 3）
3.由第一步得到的cuda版本找到最低的torch版本是多少（-- 2）
4.由torch版本得到最低的python版本（-- 1）

手动更新驱动链接：https://www.nvidia.cn/geforce/drivers/

其他注意

现在安装cuda 不像以前那样麻烦了，不用安装cuda_toolkit，执行安装torch时，会自动安装CUDA 运行时作为 PyTorch 的一个依赖库被管理。

如果你要 pip install 一个需要编译 CUDA 源码的包，类似与Deppseed 库这种，此时就需要安装cuda_toolkit，此时，系统里的 CUDA 版本必须和 PyTorch 的 CUDA 版本严格一致，否则必报错。

cuda_toolkit下载链接：https://developer.nvidia.com/cuda-toolkit-archive

卸载torch:

pip uninstall torch torchvision torchaudio