最近在配置深度学习环境，CUDA，PyTorch，GCC 之间的版本关系是特别需要注意的事情，否则代码根本运行不起来，或者运行报错。
PyTorch
首先 PyTorch 的不同版本是不完全兼容的，所以在配置环境时要看清楚要求的版本，然后 PyTorch 对 CUDA 的版本有要求，可以通过接口查看支持的 CUDA 最高版本：
import torch
print(torch.__version__)
print(torch.cuda_is_available())
或者直接使用以下命令去查看安装的有哪些库：
pip list
CUDA与nvidia driver版本之间的对应关系
| Linux x86_64 Driver Version | Windows x86_64 Driver Version | |
|---|---|---|
| CUDA 12.2.x | >=525.60.13 | >=525.41 |
| CUDA 12.1.x | >=525.60.13 | >=527.41 |
| CUDA 12.0.x | >=525.60.13 | >=527.41 |
| CUDA 11.8.x | >=450.80.02 | >=452.39 |
| CUDA 11.7.x | >=450.80.02 | >=452.39 |
| CUDA 11.6.x | >=450.80.02 | >=452.39 |
| CUDA 11.5.x | >=450.80.02 | >=452.39 |
| CUDA 11.4.x | >=450.80.02 | >=452.39 |
| CUDA 11.3.x | >=450.80.02 | >=452.39 |
| CUDA 11.2.x | >=450.80.02 | >=452.39 |
| CUDA 11.1 (11.1.0) | >=450.80.02 | >=452.39 |
| CUDA 11.0 (11.0.3) | >=450.36.06** | >=451.22** |
使用以下命令查看自己的CUDA版本：
nvcc --version
使用以下命令查看自己的nvidia driver版本：
nvidia-smi
如何想更换显卡的CUDA版本，但是没有管理员权限，可参考以下链接的文章：
https://blog.csdn.net/qq_45729306/article/details/143873069
CUDA与GCC之间的对应关系
在踩了无数次坑之后，终于发现CUDA能否正常使用，还与GCC之间有密切的关系，否则代码还是会运行不起来，反正我的是这样（计算机视觉领域）。但是有意思的是我的另一台服务器安装的GCC版本为7.5.0，CUDA版本为11.7，虽然不符合下面表格中的对应关系，但是代码依然可以运行起来，头大了。所以这部分可以算作最后的检查工作吧。
以下是CUDA与GCC之间的兼容关系。
| CUDA version | GCC version |
|---|---|
| 11.4.1+，11.5，11.6，11.7 | 11 |
| 11.1，11.2，11.3，11.4.0 | 10 |
| 11 | 9 |
| 10.1，10.2 | 8 |
| 9.2，10.0 | 7 |
| 8 | 6 |
| 7 | 5.3 |
| 5.5，6 | 4.9 |
| 4.2，5 | 4.8 |
| 4.2，5 | 4.6 |
| 4.1 | 4.5 |
| 4.0 | 4.4 |
使用以下命令查看自己的GCC版本：
gcc --version
如何想更换GCC版本，但是没有管理员权限，可参考以下链接的文章：
https://blog.csdn.net/qq_45729306/article/details/143903591
Pytorch与CUDA版本之间的对应关系
这部分是重中之重，每一个配置过深度学习环境的同学肯定都遇到过这个问题吧，无一例外。版本如果不对应，代码根本跑不起来，不想上面的GCC与CUDA版本那样还存在例外的情况。
| CUDA version | Pytorch version |
|---|---|
| 11.7 | 1.13.1，1.13.0 |
| 11.6 | 1.13.1，1.13.0，1.12.1，1.12.0 |
| 11.3 | 1.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0 |
| 11.1 | 1.8.0 |
| 11.0 | 1.7.1，1.7.0 |
| 10.2 | 1.12.1，1.12.0，1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0，1.7.1，1.7.0，1.6.0，1.5.1，1.5.0 |
| 10.1 | 1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.3.0 |
| 10.0 | 1.2.0，1.1.0，1.0.1，1.0.0 |
| 9.2 | 1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.1 |
| 9.0 | 1.1.0，1.0.1，1.0.0，0.4.1 |
| 8.0 | 1.1.0，1.0.0，0.4.1 |
| 7.5 | 0.4.1，0.3.0，0.2.0，0.1.6，0.1.7，0.1.8，0.1.9，0.1.10，0.1.11，0.1.12 |
以下是官网给出的更换CUDA版本的所有命令的链接地址：
https://pytorch.org/get-started/previous-versions/
这个地址可能访问的时候会加载不出来，或者非常慢，后续我还会更新这部分的内容。