安装PyTorch后，如何查询它支持哪些显卡型号？

安装 PyTorch 后如何快速查询它支持哪些显卡型号？

痛点：很多小白在完成 PyTorch 安装后面对海量的显卡型号与 CUDA 版本信息感到迷茫。不知道自己的显卡是否真的能被 PyTorch 利用，导致 GPU 加速无法正常工作。

一、先弄清楚自己到底有什么显卡

打开，页面右侧会自动检测并显示你的显卡信息。其实，如果没有自动检测，你可以手动在程序里查看：

• Windows：右键“此电脑” → “属性” → “设备管理器” → “显示适配器”。
• Linux：运行 lspci | grep -i nvidia或 lspci | grep -i vga。

二、官方文档——最权威的兼容列表

PyTorch 官方文档会列出每个 PyTorch 发行版对应的 CUDA 支持情况还有兼容的 NVIDIA GPU 型号。

1. 进入。
2. 选择你已安装的 PyTorch 版本（例如 torch==2.2.0)。
3. 在对应的 “CUDA Compatibility” 小节中，找到官方给出的 “Supported GPU list”。

三、命令行直接查询

痛点：不想打开网页，又想马上确认显卡是否被识别？按理说，下面的几行代码帮你立刻得到答案。

# 导入 torch
import torch
# 1️⃣ 判断是否有可用的 CUDA 环境
print)
# 2️⃣ 查看机器上有多少块 GPU
print)
# 3️⃣ 打印每块 GPU 的名称和属性
for i in range):
name = torch.cuda.get_device_name
props = torch.cuda.get_device_properties
print
print
print} MB")
print

如果返回的设备名称在官方兼容列表中，即可放心使用 GPU 加速；其实，否则请检查 CUDA 驱动或考虑换装兼容的显卡。

四、通过 CUDA Toolkit 查询完整硬件支持表

NVIDIA 在 CUDA Toolkit 文档里维护了一个完整的 “Supported GPUs” 列表，涵盖所有 Compute Capability版本。话说回来，

1. 访问。
2. 根据你的 CUDA 驱动版本筛选对应的 Compute Capability 列表。
3. 对照你的 GPU 名称，确认它是否在列表中。

五、常见 NVIDIA 显卡型号与推荐 CUDA 版本对照表

GPU 系列	典型型号示例	推荐 CUDA 版本	备注说明
消费级 RTX 30 系列	RTX 3060 / RTX 3070 / RTX 3080 / RTX 3090 / RTX 3090 Ti	CUDA 11.8	驱动兼容性极佳，性能最稳。
消费级 RTX 40 系列	RTX 4060 / RTX 4070 / RTX 4080 / RTX 4090	CUDA 12.1	显存带宽提高明显，适合大模型训练。
专业级 A 系列	A10 / A100 / A800 / H800 等	CUDA 11.8 & 12.1	公司级算力，可在阿里云/华为云等网站直接使用。
老旧 Turing 系列	TITAN RTX / RTX 2060 / RTX 2070 / RTX 2080 Ti	CUDA 11.8	仍受支持，但部分新特性可能受限。
	提示：如果你的显卡不在上述列表。请务必检查对应 Compute Capability 是否 ≥5.2，否则只能使用 CPU 或者考虑升级硬件。

六、AMD 显卡使用者该怎么做？

NVIDIA 是唯一官方支持 CUDA 的厂商，AMD 使用者只能走以下两条路：

1. CPU 版 PyTorch： 直接安装不带 CUDA 的 pip 包。例如：

   # 使用 conda
   conda install pytorch torchvision torchaudio cpuonly -c pytorch
   # 或者使用 pip
   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
   

2. ROCm 加速： Pytorch 已提供基于 AMD ROCm 的 GPU 加速版。步骤概览这方面，

   # 安装 ROCm 驱动
   # 安装对应 ROCm 版 PyTorch
   conda install pytorch torchvision torchaudio rocm -c pytorch
   # 验证
   python -c "import torch;print，print)"
   

   *注意：Windows 对 ROCm 支持极其有限，仅建议在 Linux 环境下使用。不过，

七、完整示例：从检测到打印兼容信息的一键脚本

#!
/usr/bin/env python
import sys。
torch
def main:
if not torch.cuda.is_available:
print
return
cnt = torch.cuda.device_count
print
for i in range:
name = torch.cuda.get_device_name
props = torch.cuda.get_device_properties
cc = f"{props.major}.{props.minor}"
mem_gb = props.total_memory //
# 简单判断是否在官方推荐范围内
supported = "✔️ 支持" if props.major>=5 else "❌ 不支持"
print
print")
print
print
if __name__ == "__main__":
main

运行此脚本即可快速定位“我的显卡能否被 PyTorch 用上”，解决大多数新人遇到的兼容疑惑。

八、要点 & 快速检查清单 ✅️

• ✔ 在官网或程序里确认自己的显卡型号；
• ❌ 若是 NVIDIA，确保驱动 ≥450.xx 并匹配相应 CUDA；说起来，
• ❌ 使用 `torch.cuda.is_available`、`torch.cuda.device_count` 与 `torch.cuda.get_device_name` 三步快速验证；
• ✔ 对照上表确认该型号属于官方推荐范围；怎么说呢，
• ❌ 若是 AMD。请切换至 CPU 包或 Linux 下使用 ROCm。