从 CLI 安装启用 CUDA 的 pytorch 到最新版本的最干净方法是什么？
use*_*834 5 installation command-line-interface pytorch
我使用 CUDA （在 Linux 上）安装 pytorch 的方式是：
- 访问pytorch 网站并手动填写 GUI 检查表，然后复制粘贴生成的命令
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch - 访问NVIDIA cudatoolkit 安装网站，填写 GUI，然后复制粘贴以下代码：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.5.1/local_installers/cuda-repo-ubuntu2004-11-5-local_11.5.1-495.29.05-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-11-5-local_11.5.1-495.29.05-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu2004-11-5-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda
顺便说一句，如果我不从 NVIDIA 网站安装工具包，那么 pytorch 会告诉我 CUDA 不可用，可能是因为 pytorch conda install 命令没有安装驱动程序。
有没有一种方法可以以更干净的方式完成所有这一切，而无需每次重新安装时手动检查最新版本或填写 GUI？
总而言之：
您可以随时尝试使用
sudo apt install nvidia-cuda-toolkit（检查哪个版本nvcc --version）
conda install pytorch torchvision torchaudio cudatoolkit -c pytorch -c nvidia
（可以添加-c conda-forge以获得更稳健的通道）
警告：如果没有任何此类细节，您最终可能会下载非 CUDA 的版本，因此在下载之前请务必进行检查。pytorch但如果从和渠道下载，通常情况并非如此nvidia。
仍考虑以下
您所描述的方法通常可以避免在单台 PC 上出现很多令人头疼的问题。另一种方法是使用几乎已经设置好的NVIDIA docker（不过仍然需要设置 CUDA 驱动程序），并且只公开 jupyter 笔记本的端口或直接在那里运行作业。如果您不需要进行额外的编辑，这很好。
一般来说，您安装的实际 NVIDIA cudatoolkit 的版本可能比 anaconda 版本的 cudatoolkit 更高（在某种程度上），这意味着您不必那么精确地查找版本（11.1 之后支持 3090's）。即使您查看nvidia 的文档，最终您选择的网站也会构建相同的命令。如下图所示：
考虑模块
另一方面，如果您在公司或大学中有集群，它们通常module load XYZ可以直接加载 CUDA 支持。如果您有多台计算机或需要安装 CUDA 版本，可以查看此网站以获取有关模块的更多信息。如果您不想一直重新安装，强烈建议您这样做。当你检查时module avail你会得到这样的信息：
