结论：无需手动安装cuDNN或CUDA Toolkit，PyTorch官方预编译包已自带兼容的CUDA runtime和cuDNN；额外安装易引发版本冲突，导致torch.cuda.is_available()为False或运行时报错。
直接说结论：别手动装 cuDNN，也别单独配 CUDA Toolkit——PyTorch 官方预编译包已自带兼容的 CUDA runtime 和 cuDNN，强行额外安装反而大概率触发 libcudnn.so 版本冲突、torch.cuda.is_available() 返回 False 或训练时抛出 no kernel image is available for execution on the device。
为什么不能单独安装 cuDNN
cuDNN 不是独立运行的“服务”，而是被 PyTorch 编译进二进制轮子（.whl）的底层加速库。你从 https://download.pytorch.org/whl/cu124 下载的 torch-2.5.0+cu124 包，内部已静态链接或动态绑定对应版本的 cuDNN 8.9.x（具体取决于 PyTorch 构建时的配置）。此时再手动把 cuDNN 8.6 或 8.10 解压到 /usr/local/cuda，会导致运行时加载错位：
- PyTorch 找到系统路径下的 cuDNN 头文件和 so，但 ABI 不匹配
-
import torch成功，torch.cuda.is_available()返回True，但一调用nn.Conv2d就报错 - 错误信息里常含
CUDNN_STATUS_NOT_SUPPORTED或segmentation fault (core dumped)
怎样选对 PyTorch + CUDA 组合
关键不是“最新版”，而是“驱动支持上限 + PyTorch 预编译包覆盖”。操作顺序必须是：
- 先运行
nvidia-smi，看右上角显示的CUDA Version: 12.4—— 这是你驱动能支持的最高 CUDA runtime 版本（不是你装的 CUDA Toolkit 版本） - 去 PyTorch 官网安装页，选与该数字一致的
cu124链接（如当前最新是torch==2.5.0+cu124） - 不要选
cu121或cu126：前者可能缺新卡 SM 支持，后者大概率不兼容你的驱动 - 验证命令不是
torch.__version__，而是：python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.backends.cudnn.enabled)"
输出应为True、True
conda 环境下最稳的安装流程
避免系统 Python 污染，且确保 pip 和 python 指向同一环境：
立即学习“Python免费学习笔记（深入）”；
- 创建干净环境：
conda create -n pt25 python=3.10 -y
- 激活并确认路径：
conda activate pt25<br>which python<br>which pip
两个路径都应含pt25字样 - 用官网命令装（不是
pip install torch）：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
- 如果提示
ERROR: Could not find a version that satisfies the requirement torch...，说明你网络没走通 PyTorch 镜像源，加--trusted-host download.pytorch.org -i https://pypi.tuna.tsinghua.edu.cn/simple/临时换源
哪些情况真需要手动装 cuDNN
极少数场景绕不开，但必须满足两个前提：你清楚自己在做什么，且已验证 PyTorch 官方包确实不满足需求：
- 你要用 TensorRT 推理，而它要求 cuDNN 8.9.7（但 PyTorch 2.5+cu124 内置的是 8.9.5）
- 你在跑 NVIDIA 提供的官方示例（如
cuda-samples），明确依赖系统级 cuDNN 头文件 - 你正在调试 cuDNN 原生 API（
cudnnConvolutionForward等），而非通过 PyTorch 调用
此时才去 NVIDIA cuDNN 页面 下载对应 CUDA 版本的 tar 包，并严格按文档复制头文件和 so 到 /usr/local/cuda —— 但装完后务必用 ldconfig -p | grep cudnn 确认只存在一个版本的 so，否则 PyTorch 仍会加载错。
