---

前言

为了有效使用pytorch等深度学习工具，需要使用cuda工具。本文尝试在多张GeForce RTX 4090D的服务器上安装GPU版本的pytorch。

---

一、有效的CUDA版本

1、确定显卡算力

可以看到，无论是英伟达官网还是维基百科，都没有直接写出4090D的算力。笔者利用多个ai工具，查询得知，GeForce RTX 4090D 的 Compute Capability（计算能力版本） 为8.9。这一版本号通常与GPU的架构特性相关，例如支持的CUDA核心指令集和硬件加速功能。尽管RTX4090D因出口管制调整了CUDA核心数量和Tensor核心性能，但其底层架构（Ada Lovelace）与原版RTX 4090一致，因此计算能力版本保持相同。

2、确定CUDA runtime

维基百科提供了相应的CUDA runtime。

3、查看自己的驱动 CUDA Driver Version

打开cmd，输入nvidia-smi，得到CUDA Version=12.8

4、确定本机可以采用的 CUDA Version 12.0-12.6，12.8

下图参考视频8分43秒。 综上所述，本文采用CUDA12.6版本。

二、使用pip工具安装pytorch

在pytorch官网上可以看到，它不支持conda安装了，因此本文采用pip安装。
接下来的具体安装方法，仍然参考b站up主：我是土堆视频教程，膜拜大佬！！！

笔者首先创建了一个名叫pytorch的虚拟环境。

conda create -n pytorch python=3.11

1.登录pytorch官网，复制CUDA12.6版本的指令

2.打开anaconda prompt，进入pytorch虚拟环境，运行刚刚复制的指令，观察，然后ctrl+c断开

不难发现，下载会卡在下面这一步（下图来自网络，具体链接各不相同）：

为了解决下载慢的问题，土堆在视频中使用迅雷下载，亲测对于链接https://download.pytorch.org/whl/cu126 不起作用的。（或者可能我用错了）

为了解决这一问题，笔者参考另一个博客。首先复制图片中卡顿文件的网址：https://download.pytorch.org/whl/cu126/torch-2.6.0+cu126-cp311-cp311-win_amd64.whl到浏览器中，即可开始下载文件。将文件保存到D盘中的文件夹，然后进行本地安装。在anaconda prompt中进入pytorch虚拟环境，输入：

D:
cd D:\DownloadsfromEdge
pip install torch-2.6.0+cu126-cp39-cp39-win_amd64.whl 

torch安装结束后，输入之前的指令，继续安装torchvision 和 torchaudio，速度快很多。可以简单测试一下，是否安装成功

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

三、pycharm中选中pytorch虚拟环境

笔者装好pycharm之后，发现pycharm的conda的路径，又变了；记得我刚开始用是在env中选python.exe，后面又变成选conda，现在又变成图片中的东西conda.bat。。。绷不住了

参考文献：2025年pycharm绑定conda环境

---

总结

在此之前，笔者只安装过单机单卡的cuda和torch，今天尝试安装了单机多卡的cuda和torch。简单记录一下