关键在于PyTorch的CUDA编译版本必须≤nvidia-smi显示的驱动支持上限（如CUDA Version: 11.8），否则torch.cuda.is_available()仍返回False；需用整合包内python.exe卸载重装匹配cuXXX源的torch/torchvision/torchaudio。
直接降级 PyTorch 不能解决驱动不兼容问题——关键在于让 PyTorch 的 CUDA 编译版本 ≤ nvidia-smi 显示的“CUDA Version”上限。否则即使装了旧版 PyTorch，torch.cuda.is_available() 仍会返回 False 或报 The NVIDIA driver on your system is too old。
先查清驱动能撑住哪个 CUDA 主版本
打开终端运行：nvidia-smi
注意右上角显示的 “CUDA Version: X.Y”（比如 CUDA Version: 11.8），这个不是你装了什么 CUDA Toolkit，而是当前驱动**最高支持的 CUDA 运行时版本**。它决定了你能用的 PyTorch 最高 CUDA 编译版本（如 cu118），不能超。
常见误区：
– 不要看 nvcc --version，那只是本地装的 CUDA Toolkit 版本，PyTorch 根本不依赖它；
– 不要凭显卡型号猜驱动能力，必须以 nvidia-smi 输出为准；
– 驱动版本号（如 535.86）和 CUDA 版本号（如 11.8）没有直接换算关系，查 NVIDIA 官方兼容表才可靠。
卸载当前 PyTorch 并重装匹配 CUDA 版本的 wheel
在目标 Python 环境中执行（尤其注意：秋叶绘世等整合包必须用其自带的 python.exe，不是系统全局 Python）：
– 卸载：path\to\python.exe -m pip uninstall torch torchvision torchaudio -y
– 安装（以支持 CUDA 11.8 的 PyTorch 2.0.1 为例）：path\to\python.exe -m pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118
要点：
– 必须指定 --index-url 指向对应 CUDA 的 PyTorch 官方源，否则 pip 可能装错 CPU 版或不匹配的 CUDA 版；
– torchvision 和 torchaudio 版本必须与 torch 严格配套，官网安装命令里写的组合才是验证过的；
– 如果装完 torch.version.cuda 显示的是 12.1，说明还是装错了，回头检查 nvidia-smi 和安装命令里的 cuXXX 是否一致。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
遇到 “no matching distribution found” 怎么办
这通常不是 CUDA 问题，而是 Python 版本太新，PyTorch 官方没为该 Python 版本编译对应 wheel（比如想装 PyTorch 1.7.0，但环境是 Python 3.10+）。
解决方式：
– 先确认目标 PyTorch 版本支持的 Python 范围（查 PyTorch 官网 “Previous Versions” 页面）；
– 在 Conda 环境中降级 Python：conda install python=3.8，再重试安装；
– 或改用 conda 安装（有时 conda 包比 pip wheel 支持更老的 Python）：conda install pytorch==1.7.0 torchvision==0.8.0 cpuonly -c pytorch（去掉 cpuonly 并加 -c conda-forge 可尝试 GPU 版）；
– 绝对不要手动下载 .whl 文件后用 pip install，容易漏掉 torchvision 依赖或版本错配。
最容易被忽略的一点：PyTorch 的 CUDA 支持是静态编译进二进制包里的，不是运行时动态加载的。所以“降级 PyTorch”本质是换一个预编译时绑定更低 CUDA 版本的包，而不是让旧包去适配新驱动——方向反了就永远修不好。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
