正确安装pytorch需先运行nvidia-smi查看驱动支持的最高cuda版本（如cuda version: 12.4），据此选择匹配的+cu124等后缀命令；无nvidia显卡则用+cpu版本；装完必须验证torch.cuda.is_available()。
没有“唯一正确”的 pip 安装命令，它必须根据你的 Python 版本、CUDA 驱动版本、操作系统和是否需要 GPU 支持来动态确定。 直接复制网上随便找的 pip install torch 命令，大概率导致 torch.cuda.is_available() 返回 False，或安装后 import 报错 ImportError: libcudnn.so.X: cannot open shared object file。
怎么查清自己该用哪个 CUDA 版本
关键不是看“你装了什么 CUDA Toolkit”，而是看“NVIDIA 驱动支持的最高 CUDA 运行时版本”。这个值决定了你能用的 PyTorch 最高 cuXXX 后缀。
- 在终端运行
nvidia-smi，右上角显示的 “CUDA Version: 12.4” 就是你要对齐的版本（注意：这是驱动支持的上限，不是你本地装的 toolkit 版本） - 如果命令报错或没输出，说明没装 NVIDIA 驱动，或不是 NVIDIA 显卡 —— 此时只能装 CPU 版，命令末尾加
+cpu - 不要去 NVIDIA 官网下载 CUDA Toolkit 来“匹配”，PyTorch 的
+cu121等后缀自带精简版 CUDA 运行时，不需要额外装 toolkit
常见组合对应的 pip 命令（2026 年主流环境）
以下命令均基于官方 https://download.pytorch.org/whl/ 源，已验证可直接执行（无需换源也能较快完成）：
Ai Video Pipeline
下载
对话式AI短视频创作工具：用户提出想法，Agent生成脚本，人工确认后自动生成MP4。触发条件：①制作视频/短视频；②AI旁白视频；③认知自述/播客风格视频；④文稿转视频。仅出现“视频”“TTS”“语音”等模糊词时不激活（可能是其他需求）。
- Windows / Linux，有 RTX 40xx 或 50xx 显卡（驱动 ≥535，支持 CUDA 12.4）：
pip install torch==2.4.0+cu124 torchvision==0.20.0+cu124 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu124 - Mac（M 系列芯片）：
pip install torch torchvision torchaudio（自动安装 MPS 版，不带+cpu也不带+cu） - 纯 CPU 机器（无 NVIDIA 显卡，或不想用 GPU）：
pip install torch==2.4.0+cpu torchvision==0.20.0+cpu torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cpu - 老显卡（如 GTX 10xx，驱动只支持 CUDA 11.8）：
pip install torch==2.1.2+cu118 torchvision==0.16.2+cu118 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118
为什么不能只写 pip install torch
因为默认安装的是 CPU 版，哪怕你有 NVIDIA 显卡也用不上 GPU。更隐蔽的问题是：
- PyPI 上的
torch包不含任何 CUDA 支持，torch.cuda.is_available()必为False - 不同 Python 小版本（如 3.10 vs 3.11）对应的 wheel 文件名不同，缺省命令可能找不到匹配轮子，报
No matching distribution - torchaudio 和 torchvision 必须与 torch 主版本、CUDA 后缀严格一致，否则运行时报
undefined symbol或 tensor 创建失败
最容易被忽略的一点：装完后别只跑 import torch 就算成功。一定要立刻验证 GPU 可用性：print(torch.cuda.is_available()) 和 print(torch.cuda.device_count()) —— 如果前者是 False，说明命令里的 +cuXXX 和你驱动支持的 CUDA 版本不匹配，得回头重查 nvidia-smi 输出。
