一、下载CUDA工具
第一步：确定当前系统环境（关键！）
首先，我们需要知道您现有的配置，以便选择正确版本的 CUDA。
查看显卡驱动版本： 再次运行 nvidia-smi 命令，记下最上方显示的 Driver Version（驱动程序版本）。例如：515.48.07。 CUDA 版本需要与驱动程序版本兼容。
查看操作系统信息： 按 Win + R 键，输入 winver 并回车，确认您的 Windows 版本（如 Windows 11 ）。
第二步：访问官方下载页面
访问 NVIDIA 官方 CUDA 工具箱下载页面，这是最安全可靠的来源： https://developer.nvidia.com/cuda-downloads
第三步：选择并下载安装包
在官网页面，按以下步骤选择：
- 最佳选择：选择页面推荐的最新版本（如 CUDA 12.x）。通常最新的稳定版兼容性最好。
- 保守选择：如果 OLLAMA 或您要用的其他AI工具有特定要求，请按其文档选择指定版本（如 CUDA 11.8）。但通常最新版没问题。
点击 "Download" 开始下载。安装包较大（约 2-3 GB）。
第四步：安装 CUDA 工具箱
- 这样可以避免安装程序可能覆盖您现有的、更新的显卡驱动。
- 务必勾选 CUDA 下的所有组件（尤其是 CUDA Tools、CUDA Samples 等）。
- 仔细查看 Driver components 部分。如果其版本号低于您第一步中查到的当前驱动版本，请务必取消勾选这一项。如果相同或更高，则可以保留勾选。这一步是避免驱动冲突的关键！
第五步：查看 CUDA 安装情况
# 查看 CUDA 版本
nvcc –version
# 或查看 CUDA 安装路径
where nvcc
二、下载python3.11版本
第一步：下载
Python Release Python 3.11.9 | Python.org
第二步：安装
运行安装程序： 双击下载好的 python-3.11.x-amd64.exe 文件。
关键步骤：勾选 "Add Python to PATH"！ 在安装向导的第一个界面，务必勾选最下方的 "Add python.exe to PATH" 复选框。这一步非常重要，它可以让你在命令提示符（CMD）或 PowerShell 中直接输入 python 命令。
选择安装方式：
立即安装：使用默认设置安装。 自定义安装：允许您更改安装路径和功能。对于初学者，建议直接点击 "Install Now"。
完成安装： 等待安装完成，看到 "Setup was successful" 提示即表示安装成功。
验证安装： 打开一个新的命令提示符（CMD） 或 PowerShell，输入以下命令：
python –version
如果安装成功，你会看到输出：Python 3.11.x
如果提示 "python 不是内部或外部命令"，说明没有正确添加到 PATH。请重新运行安装程序，确保勾选了 "Add Python to PATH"。
三、下载支持 GPU 的 PyTorch 版本
选择一：安装最新的稳定版（推荐大多数用户）
这是最简单、最推荐的方法，兼容性最好。
使用 pip 安装（最通用）：
pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu121
注意：此命令针对的 CUDA 12.x 版本。
使用 conda 安装（如果您使用 Anaconda 或 Miniconda）：
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
选择二：根据您已安装的 CUDA 版本选择（更精确）
如果您已经按照之前的步骤成功安装了 CUDA，请根据您的 CUDA 版本选择对应的命令：
1.CUDA 12.1
pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu121
2.CUDA 11.8
pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu118
3.CPU 版本 如果您尚未安装 CUDA 或希望强制使用 CPU（作为备选方案）：
pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cpu
四、验证安装
打开 Python 解释器或创建一个新的 Python 脚本（如 test_gpu.py）。
逐行输入或写入以下代码并运行：
import torch
# 1. 检查 PyTorch 版本
print(f"PyTorch 版本: {torch.__version__}")
# 2. 检查 CUDA 是否可用（这是最关键的一步！）
print(f"CUDA 是否可用: {torch.cuda.is_available()}")
# 3. 如果 CUDA 可用，查看 CUDA 版本和显卡数量
if torch.cuda.is_available():
print(f"CUDA 版本: {torch.version.cuda}")
print(f"可用的 GPU 数量: {torch.cuda.device_count()}")
print(f"当前 GPU 名称: {torch.cuda.get_device_name(0)}")
# 4. 进行一个简单的张量运算测试
# 在 CPU 上创建一个张量
cpu_tensor = torch.tensor([1.0, 2.0, 3.0])
print(f"张量在: {cpu_tensor.device}") # 应该输出 'cpu'
# 将张量移动到 GPU 上
gpu_tensor = cpu_tensor.cuda()
print(f"张量在: {gpu_tensor.device}") # 应该输出 'cuda:0'
# 在 GPU 上进行计算
result = gpu_tensor * 2
print(f"计算结果: {result}")
else:
print("警告: 未检测到可用的 CUDA GPU。PyTorch 将仅在 CPU 模式下运行。")
运行结果
PyTorch 版本: 2.5.1+cu121
CUDA 是否可用: True
CUDA 版本: 12.1
可用的 GPU 数量: 1
当前 GPU 名称: NVIDIA GeForce RTX ****
张量在: cpu
张量在: cuda:0
计算结果: tensor([2., 4., 6.], device='cuda:0')
如果返回 True，恭喜您！您已成功安装支持 GPU 的 PyTorch。
故障排除
-
torch.cuda.is_available() 返回 False？
- 最常见原因：您安装的 PyTorch 版本与您系统上的 CUDA 版本不匹配。请回到 PyTorch 官网，确保根据您 nvidia-smi 中显示的 CUDA 版本选择正确的安装命令。
- 其他原因：CUDA 驱动未正确安装，或显卡太老不支持当前 CUDA 版本。
-
安装过程缓慢或中断？
- 可以考虑使用国内镜像源加速下载（如清华镜像）。使用 -i 参数：
pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu121 -i https://pypi.tuna.tsinghua.edu.cn/simple
