直接运行import torch; print(torch.__version__); print(torch.version.cuda); print(torch.cuda.is_available())即可查看PyTorch编译时绑定的CUDA版本（如11.8）、PyTorch版本及GPU是否可用；torch.version.cuda显示的是其二进制包内置的CUDA运行时版本，而非系统安装版本。
怎么看 PyTorch 编译时用的 CUDA 版本
直接进 Python，运行这三行就够了：
import torch print(torch.__version__) print(torch.version.cuda) print(torch.cuda.is_available())
torch.version.cuda 显示的就是 PyTorch 二进制包编译时绑定的 CUDA 运行时版本（比如 11.8 或 12.1），不是你系统里装了什么，而是它“认”的那个。如果 torch.cuda.is_available() 返回 False，但 nvidia-smi 能看到驱动，那基本就是这个版本没对上。
怎么查系统当前 nvcc 和库路径用的是哪个 CUDA
终端里跑这两条命令：
-
nvcc --version—— 看实际可用的 CUDA Toolkit 版本（注意：如果报command not found，说明/usr/local/cuda-xx/bin没进PATH） -
ls -l /usr/local/cuda—— 看软链接指向哪（比如/usr/local/cuda -> /usr/local/cuda-12.3） -
echo $LD_LIBRARY_PATH | grep cuda—— 看动态库搜索路径最前面是不是你想要的版本（关键！顺序决定加载优先级）
特别注意：nvidia-smi 右上角显示的 “CUDA Version: 12.4” 是驱动支持的**最高**运行时版本，不是你装的 toolkit 版本，不能拿它和 torch.version.cuda 直接比。
立即学习“Python免费学习笔记（深入）”；
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
官方镜像对应表在哪找、怎么用
PyTorch 官网安装页（https://pytorch.org/get-started/locally/）会根据你选的 OS、包管理器、Python 版本和 CUDA 版本，生成一行可复制的安装命令。它背后依赖的是 PyTorch 构建矩阵，真实对应关系如下（截至 2026 年 4 月）：
- PyTorch
2.3.1→ 默认配cuda12.1；想切cuda11.8，得显式加pytorch-cuda=11.8 - Conda 用户优先用
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia，它会自动拉取匹配的cudatoolkit=11.8子包 - Pip 用户别信第三方镜像站的“CUDA 支持”标注——pip 安装的
torch包名里不带 cuda 版本，全靠 wheel 文件名隐含，必须去 官方 wheel 列表 手动选，例如：torch-2.3.1+cu118-cp311-cp311-linux_x86_64.whl中的cu118就代表 CUDA 11.8
镜像站（如清华、中科大）只做文件同步，不改 wheel 元数据，所以“对应表”本质是 wheel 文件命名规则，不是独立表格。
为什么设了 LD_LIBRARY_PATH 还报 mismatch
常见坑就三个：
-
LD_LIBRARY_PATH拼接时没把目标路径放最前，比如写成export LD_LIBRARY_PATH="${LD_LIBRARY_PATH}:/usr/local/cuda-11.8/lib64"—— 这会让系统先搜旧版目录，根本没机会加载新库 - 用了 Conda 环境但没关
conda activate就直接改全局环境变量，结果 Python 进程根本读不到你设的值 - 误以为
CUDA_PATH能控制运行时库加载，其实 Linux 下真正起作用的是LD_LIBRARY_PATH和libcudart.so的 soname（如libcudart.so.11.8），CUDA_PATH主要影响nvcc查找和部分构建逻辑
最稳的做法：每次运行前用脚本临时 export，不碰 ~/.bashrc；或者用 Conda + pytorch-cuda=x.x 组合，让环境隔离本身来兜底。
