直接运行import torch; print(torch.__version__); print(torch.version.cuda); print(torch.cuda.is_available())即可查看PyTorch编译时绑定的CUDA版本（如11.8）、PyTorch版本及GPU是否可用；torch.version.cuda显示的是其二进制包内置的CUDA运行时版本，而非系统安装版本。
怎么看 PyTorch 编译时用的 CUDA 版本
直接进 Python，运行这三行就够了：
显示的就是 PyTorch 二进制包编译时绑定的 CUDA 运行时版本（比如
或
），不是你系统里装了什么，而是它“认”的那个。如果
返回
，但
能看到驱动，那基本就是这个版本没对上。
怎么查系统当前 nvcc 和库路径用的是哪个 CUDA
终端里跑这两条命令：
—— 看实际可用的 CUDA Toolkit 版本（注意：如果报
，说明
没进
）
—— 看软链接指向哪（比如
）
—— 看动态库搜索路径最前面是不是你想要的版本（关键！顺序决定加载优先级）
特别注意：
右上角显示的 “CUDA Version: 12.4” 是驱动支持的**最高**运行时版本，不是你装的 toolkit 版本，不能拿它和
直接比。
立即学习
“
Python免费学习笔记（深入）
”；
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
官方镜像对应表在哪找、怎么用
PyTorch 官网安装页（
）会根据你选的 OS、包管理器、Python 版本和 CUDA 版本，生成一行可复制的安装命令。它背后依赖的是 PyTorch 构建矩阵，真实对应关系如下（截至 2026 年 4 月）：
PyTorch
→ 默认配
；想切
，得显式加
Conda 用户优先用
，它会自动拉取匹配的
子包
Pip 用户别信第三方镜像站的“CUDA 支持”标注——pip 安装的
包名里不带 cuda 版本，全靠 wheel 文件名隐含，必须去
官方 wheel 列表
手动选，例如：
中的
就代表 CUDA 11.8
镜像站（如清华、中科大）只做文件同步，不改 wheel 元数据，所以“对应表”本质是 wheel 文件命名规则，不是独立表格。
为什么设了 LD_LIBRARY_PATH 还报 mismatch
常见坑就三个：
拼接时没把目标路径放最前，比如写成
—— 这会让系统先搜旧版目录，根本没机会加载新库
用了 Conda 环境但没关
就直接改全局环境变量，结果 Python 进程根本读不到你设的值
误以为
能控制运行时库加载，其实 Linux 下真正起作用的是
和
的 soname（如
），
主要影响
查找和部分构建逻辑
最稳的做法：每次运行前用脚本临时 export，不碰
；或者用 Conda +
组合，让环境隔离本身来兜底。
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())torch.version.cuda11.812.1torch.cuda.is_available()Falsenvidia-sminvcc --versioncommand not found/usr/local/cuda-xx/binPATHls -l /usr/local/cuda/usr/local/cuda -> /usr/local/cuda-12.3echo $LD_LIBRARY_PATH | grep cudanvidia-smitorch.version.cudahttps://pytorch.org/get-started/locally/2.3.1cuda12.1cuda11.8pytorch-cuda=11.8conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidiacudatoolkit=11.8torchtorch-2.3.1+cu118-cp311-cp311-linux_x86_64.whlcu118LD_LIBRARY_PATHexport LD_LIBRARY_PATH="${LD_LIBRARY_PATH}:/usr/local/cuda-11.8/lib64"conda activateCUDA_PATHLD_LIBRARY_PATHlibcudart.solibcudart.so.11.8CUDA_PATHnvcc~/.bashrcpytorch-cuda=x.x