RTX5060 显卡 PyTorch 与 CUDA 环境适配方案
概述
若使用 RTX50 系列显卡部署 AI 项目，可能会遇到环境依赖报错或 UserWarning。这通常是因为新显卡（Blackwell 架构）与现有 PyTorch 及 CUDA 版本存在兼容性问题。
流多处理器架构版本说明：
- sm_50 - Maxwell 架构（GTX 900 系列）
- sm_60 - Pascal 架构（GTX 1000 系列）
- sm_70 - Volta 架构（Tesla V100）
- sm_75 - Turing 架构（RTX 2000 系列）
- sm_80 - Ampere 架构（RTX 3000 系列/A100）
- sm_86 - Ampere 架构（笔记本 RTX 3000）
- sm_89 - AdaLovelace 架构（RTX 4000 系列）
- sm_90 - Hopper 架构（H100）
- sm_120 - Blackwell 架构（RTX5000 系列）
CUDA 安装
CUDA（Compute Unified Device Architecture）是 NVIDIA 推出的并行计算平台，允许开发者使用 GPU 进行通用计算。CPU 擅长逻辑控制，而 GPU 擅长并行处理大量简单任务。
检查显卡支持版本
使用以下命令查看显卡支持的 CUDA 最高版本：
nvidia-smi
[图片：nvidia-smi 输出示例]
虽然 NVIDIA 官网已迭代至 13.1，但 RTX50 系列建议使用 12.8 版本即可（5070 可用 12.9 或 13.0）。
验证与下载
使用 nvcc --version 检查已安装的 CUDA 版本。如需安装，可访问 NVIDIA 官方工具包归档页面下载。
建议安装 12.8.1 版本，按默认选项安装即可。
PyTorch 安装
PyTorch 本地安装页面提供不同版本的构建选项。若追求稳定体验，可选择 Stable 版本；若需进行微调且涉及 RTX50 系列 Blackwell 架构，建议选择 Nightly 版本（开发版），尽管其稳定性略低，但目前仅该版本支持新架构。
稳定版安装
访问 PyTorch 官方仓库地址，找到对应 CUDA 12.8 的 torch 和 torchvision 包。CU128 指对应 CUDA 12.8 版本，CP310 指对应 Python 3.10 版本。
在终端执行：
pip3 install 'Path'
开发版安装
Nightly 版本发布时间晚于稳定版，适用于最新硬件特性支持。
环境验证
以下脚本用于检查 CUDA 状态、GPU 信息及计算能力：
# check_cuda.py
import torch
import platform
print("=" * 60)
print("系统信息:")
print(f"操作系统：{platform.system()} {platform.version()}")
print()
( * )
()
()
()
torch.cuda.is_available():
()
()
i (torch.cuda.device_count()):
()
prop = torch.cuda.get_device_properties(i)
()
()
()
()
()
()
:
()
()
()
()
( + * )
()
torch.cuda.is_available():
:
a = torch.randn(, , device=)
b = torch.randn(, , device=)
c = torch.matmul(a, b)
()
torch.cuda.get_device_properties().major >= :
a_half = torch.randn(, , device=, dtype=torch.float16)
b_half = torch.randn(, , device=, dtype=torch.float16)
c_half = torch.matmul(a_half, b_half)
()
large_tensor = torch.randn(, , , device=)
large_tensor
torch.cuda.empty_cache()
()
Exception e:
()
:
()
