如何选择合适的torch版本#
我们首先明确一个结论：安装支持 CUDA 的 PyTorch，前提条件是拥有 NVIDIA GPU，并且显卡驱动支持的 CUDA 版本高于或等于编译 PyTorch whl 包时所使用的 CUDA Toolkit 版本。这一点从官方文档中可以得到印证：
Additionally, to check if your GPU driver and CUDA is enabled and accessible by PyTorch, run the following commands to return whether or not the CUDA driver is enabled:
CUDA API分为Runtime API和CUDA Driver API（详见cuda-platform-driver-and-runtime ↗），其中
The CUDA runtime API is implemented on top of a lower-level API called the CUDA driver API, which is an API exposed by the NVIDIA Driver.
PyTorch 的 GPU 加速依赖于 cuDNN，cuDNN 依赖 CUDA Toolkit，而 CUDA Toolkit 则建立在 Runtime API 之上。关键在于，PyTorch 在编译发布时就已经内建包含了对应版本的 CUDA Runtime API 动态库。例如，我们使用如下命令安装：
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126安装完成后，在 Lib\site-packages\torch\lib 目录下可以看到相关自带依赖：
因此，只要安装了NVIDIA Driver，并且其CUDA版本（可以通过nvidia-smi得到）大于torch编译时所使用的cuda版本，即可使用GPU加速的torch。实际上我们无需安装CUDA Toolkit。
如何快速的安装torch#
官方提供的标准安装指令如下（以 CUDA 12.6 版本为例）：
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126可以使用镜像源加速（NJU Mirror ↗）
pip3 install torch torchvision --index-url https://mirrors.nju.edu.cn/pytorch/whl/cu126注意： 必须使用专用的 PyTorch whl 镜像源地址，通常的 pip 全局镜像源（如清华源 pypi 目录、阿里源等）无法直接加速带有
--index-url指定的特定 CUDA 版本包。
