Python、PyTorch、CUDA 与显卡版本兼容对照表
在配置深度学习环境时，PyTorch、CUDA 与显卡驱动之间的版本兼容性是常见问题。本文整理了从 RTX 50 系列 (Blackwell) 到经典老卡的软硬件兼容信息，供环境配置时参考。
核心逻辑图解
显卡架构的代际关系与 CUDA 版本存在强绑定逻辑，配置前建议理清以下关系：
PyTorch 版本对照表
PyTorch 框架通常具备较好的向下兼容性。只要系统安装的 CUDA 驱动版本 足够高，通常可支持多个 CUDA 运行时版本。对于使用最新硬件（如 RTX 50 系列）的用户，建议使用 PyTorch 2.4 或更高版本。
| PyTorch 版本 | 支持 Python 版本 | 推荐 CUDA 版本 | 适用显卡建议 |
|---|---|---|---|
| 2.6.x (Dev/Nightly) | 3.10 - 3.13 | 12.8 | RTX 50 系列 首选，可完美释放性能 |
| 2.4.x / 2.5.x | 3.9 - 3.12 | 12.4, 12.1 | RTX 50 系列 (基础支持), RTX 40 系列, H100 |
| 2.1.x - 2.3.x | 3.8 - 3.11 | 12.1, 11.8 | RTX 40 系列, 30 系列 (不推荐用于 50 系列) |
| 1.13.x 及更早 | 3.7 - 3.10 | 11.7, 11.6 | 老架构显卡专用 (Pascal / Maxwell) |
提示：若使用 Blackwell 架构 (RTX 50 系列) 或 Ada 架构 (RTX 40 系列)，建议优先安装 CUDA 12.x 对应的 PyTorch 预编译包。
显卡架构与算力 (Compute Capability) 速查
显卡架构决定了算力上限 (Compute Capability) 及 CUDA 版本的最低要求。新显卡通常无法安装过旧的 CUDA 版本，而老显卡一般可兼容较新的 CUDA 版本。
| 显卡系列 | 架构代号 | 算力 (Arch) | 最低 CUDA 要求 | 推荐 CUDA 版本 |
|---|
