nvidia-smi右上角显示的CUDA版本是驱动支持的最高CUDA Toolkit版本，而非已安装版本；需据此匹配PyTorch官方提供的pytorch-cuda=X.X标识版本，再通过conda install pytorch-cuda=X.X -c pytorch显式安装，最后用torch.cuda.is_available()验证GPU可用性。
查清显卡驱动支持的最高CUDA版本
不看官网文档、不运行 nvidia-smi 就直接装 PyTorch，90% 会遇到 cuda runtime error (30) 或 torch.cuda.is_available() == False。关键不是“有没有 GPU”，而是驱动能不能撑住你要装的 CUDA Toolkit 版本。
nvidia-smi 输出右上角显示的是「CUDA Version: 12.4」——注意：这只是驱动**向后兼容**的最高 CUDA 版本，不是你当前系统装了 CUDA 12.4；它只代表你最多能装 CUDA ≤12.4 的 Toolkit。
- 打开命令行（Anaconda Prompt 或终端），执行
nvidia-smi - 忽略 Driver Version 行，盯住右上角那行「CUDA Version: X.X」
- 去 NVIDIA 官方 CUDA Toolkit 支持矩阵 查该版本对应的
cudatoolkit最高可安装版本（例如 CUDA 12.4 驱动可支持cudatoolkit=12.1，但不支持=12.4） - 别信 PyTorch 官网下拉菜单里“CUDA 12.1”就等于你一定能用——先匹配驱动，再选 Toolkit
用 conda 安装时必须同时锁死 cudatoolkit 版本
只运行 conda install pytorch -c pytorch 是最常见踩坑操作。conda 会自动选一个 cudatoolkit，但它可能高于你的驱动支持上限，导致 torch.cuda.is_available() 返回 False，且无任何报错提示。
正确做法是显式指定 cudatoolkit，让 conda 安装与驱动兼容的组合：
- 确认驱动支持的最高
cudatoolkit后（比如是 11.8），执行：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia - 注意参数名是
pytorch-cuda=11.8，不是cudatoolkit=11.8——后者是旧写法，新 PyTorch conda 包已改用pytorch-cuda作为 feature channel 标识 - 如果提示找不到包，说明该
pytorch-cuda组合未发布，需降级（如试 11.7）或换用 pip 方式 - 不要混用
-c pytorch和-c conda-forge，channel 冲突会导致依赖解析失败
验证是否真能用 CUDA，别只看 import 不报错
import torch 成功 ≠ GPU 可用。很多用户卡在「代码跑得慢、GPU 利用率 0%」，问题就出在这步没验。
进 Python 后必须跑这三行：
import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.device_count())
- 如果
torch.cuda.is_available()是False，立刻停——不是代码问题，是环境没配对 -
torch.cuda.device_count()返回 0 也意味着驱动/Toolkit 不匹配，哪怕nvidia-smi能看到 GPU - 进一步确认设备名：
print(torch.cuda.get_device_name(0))，若报错或返回空字符串，说明 CUDA 初始化失败 - 此时不要调代码，回退检查
nvidia-smi+conda list | grep cuda输出的cudatoolkit版本是否真在驱动支持范围内
pip 安装是 conda 失败时的备用路径，但要注意 wheel 名称规则
conda 找不到对应 pytorch-cuda=X.X 时，pip 是更灵活的选择，但 wheel 名称容易看错。
去 PyTorch 官方 wheel 页面 下载时，重点看文件名中的三个字段：
-
cu118表示 CUDA 11.8；cu121是 12.1；cpu是纯 CPU 版——别下错 -
cp38/cp39等代表 Python 版本，必须和你当前 conda 环境的python --version一致 - Windows 用户注意区分
win_amd64和win_arm64（M系列芯片笔记本极少，基本都是前者） - 下载后用
pip install xxx.whl安装，不要用pip install torch——它默认装 CPU 版
最易被忽略的一点：pip 安装的 PyTorch 不会自动带 torchvision 和 torchaudio，它们的 wheel 也要手动匹配 CUDA 后缀（如 torchvision-0.19.0+cu118），否则 import torchvision 时可能因 CUDA 运行时不一致而崩溃。
