《AI框架与cuda生态及anaconda环境》描述了AI框架与英伟达cuda生态关系。
本篇所针对的GPU类型:英伟达GPU或nvidia GPU。
本篇示例电脑GPU型号:GTX1060。但方法是通用的。
python环境:anaconda
装的AI框架:pytoch1.10.0和2.0.0

0.开篇

在anaconda环境里创建多个AI框架版本环境的第一步要干啥，然后接着要干啥？如下是大致流程:
（1）先确定各个AI框架版本对CUDA版本要求最高的版本。根据最高cuda版本确定GPU驱动的最低版本。
（2）再查看本电脑驱动版本是否满足，不满足就更新到最新或者更新到你觉得稳定的合理的版本。
（3）在anaconda环境里创建对应AI框架版本的环境。

因此，根据先后顺序分为CUDA版本确定、GPU驱动版本确定及安装、AI框架环境创建等3个部分。

1 CUDA版本确定

https://pytorch.org/get-started/previous-versions/
从官网可以查到要装的2个版本对CUDA版本的要求如下:
pytorch 1.10.0 对应 cuda 10.2或者11.3，
pytorch 2.0.0 对应 cuda 11.8。
因此最大cuda版本是11.8。

2 GPU驱动版本确定及安装

2.1 英伟达GPU驱动版本号和cuda版本号对应关系

其关系官网所述:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

查看CUDA ToolKit对应ToolKit Driver Version——即GPU驱动的版本号，从中可以看到:
cuda 10.2 对应的gpu驱动版本要>= 441.22
cuda 11.8 对应的gpu驱动版本要>=520.06

因此要求电脑的GPU驱动版本最低也得是520.06。

2.2 GPU驱动下载及安装

我的电脑的驱动版本一查是411（怎么查？网上教程多的是，常用命令nvidia-smi），去英伟达官网查看下，截至2025.8，GTX1060标准版最新支持的驱动版本是577.00（另外还有游戏版，都可以，无所谓），CUDA版本是12.9，那就装最新的吧，装了就完全满足上面CUDA版本要求了。最新驱动安装后，采用nvidia-smi命令查看的驱动信息如下:

可以看到，577.00>520.06，12.9>11.8，完全满足了前面对gpu版本和cuda版本要求了。

英伟达驱动下载（必要）
https://www.nvidia.cn/geforce/drivers/

注意:如果你GPU还不错，那可以去英伟达官网下载其最新驱动就行了，一般能满足AI框架某版本配套的CUDA版本——除非你的GPU太过时了，官方都不提供最新驱动了，支持的最高版本的驱动也无法满足AI框架某版本所要求的CUDA版本，那么只能换GPU了，但是目前GPU不像内存可以换，只能买整机了。

2.3 系统里要不要装CUDA？

如果用anaconda来创建环境，那么在电脑系统里只装GPU驱动而不装CUDA也没问题，完全不影响推理和训练，除非你需要自定义自己的CUDA算子，否则一般只需要装英伟达GPU驱动即可。

cuda下载（装不装都行）
https://developer.nvidia.com/cuda-toolkit-archive

cuDNN历史版本下载（装不装都行）
https://developer.nvidia.cn/rdp/cudnn-archive

3.pytorch环境创建

3.1 pytorch和cuda对应关系

https://pytorch.org/get-started/previous-versions/

可以看到：
pytorch 1.10.0 对应 cuda 10.2

deepseek说：
​CUDA 10.2​ + ​cuDNN 7.6.5​（兼容性最佳）

pytorch 2.0.0对应cuda 11.8。

前面我已经更新GPU驱动到标准版577.00，最高支持的CUDA是12.9，完全满足上面要求。
但是需要注意的是，deepseek说GTX 1060不支持CUDA 12.x（需图灵架构及以上），这点也很关键，只要CUDA要求12.x的pytorch版本，就无法体验了。看了下，pytorch2.8就无法体验了，只能体验到pytorch2.7（要求CUDA 11.8版本）及以下版本——不过已经够可以了。

3.2 anconda安装

网上教程多的是，略。
一般从国内镜像下载快，比如
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

3.3 配置国内镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes
conda config --get channels

但是《Anaconda国内镜像汇总（conda & pip）》说这样不是最优，最好在C:\Users<YourUserName>.condarc进行修改。如下：

channels:
  - defaults
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

测试了下，直接用pytorch官网的命令它也自动采用清华源，不用在去掉-c pytorch了。

3.4 pytorch1.10.0环境创建

创建conda环境，如下

conda create -n pytorch1.10.0-gpu python=3.6
activate pytorch1.10.0-gpu

pytorch1.10.0官网支持的python版本是3.6-3.9（pytorch1.10.0发布时python最新的流行的版本，所以以当时为主，不知道的话问大模型），我这里选择3.6，无所谓了，只要支持就行。

查看pytorch安装命令
https://pytorch.org/get-started/previous-versions/

可以查到官网的安装命令如下

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch

-c pytorch这是去官网下载，太慢，去掉用国内镜像安装。

我的安装命令如下：

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2

可以看到这个环境里装了cudatoolkit所以windows系统里不用装cuda，除非需要。

安装完成后呢，查看是否能使用gpu如下：

python
import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)
torch.cuda.get_device_properties(0)

快捷键退出pytorch环境:
CRL+Z
exit()

退出环境
deactivate

3.5 pytorch2.0.0环境创建

创建conda环境，

conda create -n pytorch2.0.0-gpu python=3.10
activate pytorch2.0.0-gpu

2.0.0官网支持的python版本是3.8-3.10，我这里选择3.10，无所谓了，只要支持就行。

查看pytorch安装命令
https://pytorch.org/get-started/previous-versions/

官网是

conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia

-c pytorch这是去官网下载，太慢，去掉用国内镜像安装。
pytorch-cuda=11.8 -c nvidia 这是采用nvidia下载cudatoolkit11.8，也太慢换成cudatoolkit=11.8就行了，如下：

conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cudatoolkit=11.8

可以看到这个环境里装了cudatoolkit所以windows系统里不用装cuda，除非需要。

安装完成后呢，查看是否能使用gpu如下：

python
import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)
torch.cuda.get_device_properties(0)

快捷键退出pytorch环境:
CRL+Z
exit()

退出环境
deactivate

4. 小结

先确定要装的AI框架版本所配套的CUDA版本，然后查看自己GPU驱动版本支持的CUDA toolkit的最高版本是否>=所需的CUDA版本，如果满足，则可以在anaconda里创建对应环境调用gpu来加速计算，否则无法调用gpu加速。
从pytorch1.10.0和pytorch2.0.0的安装来看，只需要装GPU驱动即可，CUDA等后续自己自定义CUDA算子的时候再装也行，非必要。这是因为anacona里创建各个环境，各个环境可以单独安装CUDA（即cuda toolkit），只要它的版本不超过GPU驱动支持的最大CUDA版本都可以调用GPU加速。