【Pytorch】Pytorch或者CUDA版本不符合问题解决与分析

NVIDIA CUDA Toolkit Release Notes

Package installation issues

1. 版本不符问题解决与分析

导致这一问题的原因主要分为如下四个方面，在这里先作总结，具体方法在之后展开。有经验的同学可以直接根据本节进行快速排查，以提高效率。

1. CUDA版本与驱动程序不兼容：CUDA版本需与GPU驱动程序兼容。
2. CUDA库的路径设置存在问题：如果CUDA库路径未正确配置，PyTorch将无法找到CUDA库文件。
3. PyTorch版本与CUDA版本不匹配：安装的PyTorch版本需与CUDA版本匹配。
4. 编译问题：如果使用预编译的PyTorch二进制文件，可能存在与CUDA版本不匹配的问题。
5. 冲突：可能存在其他软件包或库与PyTorch或CUDA发生冲突。

2. 【Pytorch】Pytorch或者CUDA版本不符合问题解决

1. 查看CUDA版本。
2. 查看GPU驱动程序版本。

例如，我的CUDA版本是10.1。
找到第一行的Driver Version，例如我的是535.129.03 ,对应的GPU驱动程序版本。

3. 检查二者是否兼容。
   驱动程序与CUDA的兼容性是非常重要的，因为PyTorch和其他基于CUDA的库需要与GPU驱动程序进行交互才能正确运行。如果驱动程序与CUDA不兼容，可能会导致无法正常使用CUDA功能或出现错误。

CUDA版本与GPU驱动的兼容性表格（Linux请参照第一二列，Windows请参照第一三列）如下，请根据自己的版本自行比对：

4. Potorch版本检查命令：

import torch

x = torch.rand(5, 3)
print(x)

torch.cuda.is_available()
print("cuda: ",torch.cuda.is_available())

print(torch.__version__)