必须先确认显卡驱动支持的最高CUDA版本，再装对应CUDA Toolkit，最后选匹配的Python和PyTorch；nvidia-smi显示的“CUDA Version”是驱动支持上限而非已安装版本，若为空或报错需先重装NVIDIA驱动，装Toolkit时务必取消勾选驱动组件，cuDNN需手动复制文件到对应目录，PyTorch用pip安装时须指定--index-url而非pytorch-cuda参数。
必须先确认显卡驱动支持的最高CUDA版本，再装对应CUDA Toolkit，最后选匹配的Python和PyTorch——顺序错一步，torch.cuda.is_available() 就永远返回 False。
nvidia-smi 显示的 CUDA Version 是上限，不是已安装版本
打开命令提示符，运行：nvidia-smi
重点看最后一行 “CUDA Version: 12.5” 这类输出。它表示当前驱动最多能兼容 CUDA 12.5 的运行时，不代表你系统里已经装了 CUDA 12.5 Toolkit。
- 如果这行显示为空或报错，说明 NVIDIA 驱动没装好，先去 NVIDIA App 装最新 Game Ready 驱动
- 若显示的是 12.2，你就不能装 CUDA 12.4 或更高版本；但可以装 12.2、12.1、11.8 —— 只要 ≤ 12.2 即可
- 别信“越高越好”，PyTorch 官网目前（2026年10月）只支持到 CUDA 12.8，装 12.9 会直接导致
pip install torch找不到 GPU 版本
选 Python 版本：3.8–3.10 最稳，避开 3.11+ 和 3.7 以下
PyTorch 不是所有 Python 版本都兼容。比如 PyTorch 2.5+ 已放弃对 Python 3.7 的 wheel 支持；而 Python 3.12+ 的部分 C 扩展还没适配。
- 推荐用
conda create -n torch-gpu python=3.10创建干净环境 - 避免用系统自带 Python 或从 python.org 直接下载的 MSI 安装包——它们不带 conda 环境隔离能力，容易和已有项目冲突
- Miniconda 比 Anaconda 更轻量，够用且启动快，适合纯深度学习场景
安装 CUDA Toolkit 时跳过驱动，只勾选 Runtime 和 SDK
多数人装 CUDA 失败，是因为在安装器里误勾了 “NVIDIA Driver”。你已经用 NVIDIA App 装好了驱动，这里必须取消勾选，否则可能降级或冲突。
立即学习“Python免费学习笔记（深入）”；
- 下载对应版本的网络安装包（如
cuda_12.2.1_536.67_windows.exe），运行时选 “Custom (advanced)” - 只保留勾选：
CUDA Development、CUDA Runtime、CUDA Documentation；取消勾选NVIDIA Driver - 安装路径保持默认：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2，否则后续cuDNN复制路径容易出错 - 装完后验证：
nvcc --version应输出版本号；echo %CUDA_PATH%应返回上述路径
cuDNN 不是“安装”，是手动复制文件到 CUDA 目录
cuDNN 没有安装程序，解压后必须把三个子目录（bin、include、lib）里的文件，分别覆盖进 CUDA 安装目录的同名文件夹。
- 例如你装的是 CUDA 12.2，就去
cudnn-windows-x86_64-8.9.7.29_cuda12-archive解压，然后执行（PowerShell 管理员模式）：Copy-Item -Path ".\cuda\bin\*" -Destination "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\bin" -ForceCopy-Item -Path ".\cuda\include\*" -Destination "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\include" -ForceCopy-Item -Path ".\cuda\lib\x64\*" -Destination "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.2\lib\x64" -Force - 漏掉
include或lib会导致编译时报cannot open include file 'cudnn.h' - 复制后不用重启，但建议关掉所有终端再新开一个，避免 PATH 缓存问题
最容易被忽略的一点：PyTorch 官网生成的安装命令里，pytorch-cuda=12.1 这种写法只适用于 conda；如果你用 pip，得换用 torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121，否则 pip 会默认装 CPU 版。
