资料修改2026-09尚无逐条事实核验记录；修改日期不代表已验证
本文仍包含未全面复核的历史资料；安装、许可、费用与当前权限请回到官方确认。查看已核信息范围
CUDA / PyTorch / 驱动 版本匹配
装本地 AI 环境最常见的翻车点：版本装错。这篇把"谁决定谁"的链条讲清楚。
三层版本链（从底到顶）
显卡驱动（NVIDIA）→ 决定支持的 CUDA 上限
└── CUDA 运行时（随 PyTorch 自带的即可）
└── 框架轮子（PyTorch 的 cu121 / cu124 等后缀）
三句话记住：
- 驱动向下兼容：新驱动能跑旧 CUDA 程序，反之不行；
- 不需要自己装完整 CUDA Toolkit：pip 装的 PyTorch 官方轮子自带 CUDA 运行时，装驱动 + 对号轮子就够；
- 真正要匹配的是：驱动版本 ≥ 轮子要求的 CUDA 版本。
怎么查
- 驱动支持的最高 CUDA：命令行
nvidia-smi，右上角 "CUDA Version: xx.x"（这是上限，不是已安装版本）； - 环境里实际用的 CUDA：Python 里
import torch; torch.version.cuda； - 能不能用显卡：
torch.cuda.is_available()返回 True 才算真跑在 GPU 上。
装 PyTorch 的正确姿势
不要直接 pip install torch——默认可能装到 CPU 版（静默的，装完才发现 is_available()=False）。
去 PyTorch 官网的安装选择器生成命令，选好系统/包管理器/CUDA 版本，会得到类似：
pip install torch --index-url https://download.pytorch.org/whl/cu124
国内网络慢时，可用镜像源的对应版本目录（注意镜像同步可能滞后，装完仍要 is_available() 验证）。
⚠️ 避坑："装完能用"的唯一验收标准是
torch.cuda.is_available() == True，别信安装日志的绿色成功提示。
常见报错对照
| 现象 | 多半是什么 |
|---|---|
CUDA driver version is insufficient |
驱动太旧 → 升级显卡驱动 |
no kernel image is available |
轮子的 CUDA 架构不含你的卡（新卡装老轮子） |
| 能用但慢得离谱 | 实际跑在 CPU 上（没装上 GPU 版） |
| 一跑就 0 显存占用 | 同上，is_available() 先查 |
CUDA driver version is insufficient：驱动太旧 → 升级显卡驱动
no kernel image is available：轮子的 CUDA 架构不含你的卡（新卡装老轮子）
能用但慢得离谱：实际跑在 CPU 上（没装上 GPU 版）
一跑就 0 显存占用：同上，is_available() 先查
驱动怎么升级
NVIDIA 官网或 GeForce Experience 都能更新；Windows 上有 Game Ready / Studio 两类驱动——装机用 Studio 更稳（AI 计算场景对驱动没有游戏特性需求）。
⚠️ 避坑：升级驱动后不用重装 PyTorch——它自带 CUDA 运行时，驱动升级是向下兼容的； 反过来，降级驱动可能打断已有环境，没事别降。