50系列显卡配环境踩坑记录（pytorch

最新推荐文章于 2025-06-20 19:05:07 发布
最新推荐文章于 2025-06-20 19:05:07 发布
阅读量5k 收藏 16
点赞数 13
CC 4.0 BY-SA版权
文章标签： pytorch 人工智能 python cuda12.8
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zcccccccccqwq/article/details/147239740

上个月入的5070Ti本来想美美跑代码了，但是发现很多package没有更新到适配cu12.8的版本（.........持续更新一个踩坑记录

1. 装torch的时候会报这个错：

NVIDIA GeForce RTX 5070 Ti with CUDA capability sm_120 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_50 sm_60 sm_70 sm_75 sm_80 sm_86 sm_90.

解决方式是只能装pytorch官网的适配cu128的nightly版本：

（哈哈 之前我确实是这样装成功的哈 但是4月14号配另一个环境的时候突然报错了说No matching distribution found for torch也不知道是怎么回事儿

2. 装xformers

xformers目前是完全没有提供cu128对应的包的好像，最后我按照github上贵人的指导进行了重新编译，可以参考：Fixed RTX 5090 build issue by maludwig · Pull Request #1235 · facebookresearch/xformers

新电脑安装和配置pytorch、anaconda、CUDA、cuDNN、pycharm、OpenCV、matplotlib等必需软件的过程记录和踩坑纪实
xulibo5828的博客
09-10 2308
1、打开英伟达官网，输入显卡芯片型号，手动搜索并下载显卡驱动。​2、下载完成后安装驱动。
windows 安装pytorch 踩坑记录以及解决方法
qq_44318809的博客
09-10 317
pytorch安装调用不了gpu踩坑及解决办法
英伟达新一代GPU架构（50系列显卡）PyTorch兼容性解决方案
deephub
04-05 7725
新一代GPU如RTX 5070 Ti在深度学习环境中的应用，可能需要超出常规配置的特殊处理。本文记录的经验表明，使用最新的CUDA版本、采用Nightly构建版本以及确保环境各组件间的一致性，是解决此类问题的关键策略。对于需要使用最新硬件的深度学习从业者而言，了解这些策略并灵活应用，将有助于更高效地配置开发环境，避免在技术细节上消耗过多时间。
英伟达 5070TI启动报pytorch capability sm_120 is not compatible
2401_86141214的博客
06-18 921
英伟达 5070TI启动报pytorch capability sm_120 is not compatible
5090安装torch成功版本
m0_57057282的博客
04-02 2220
1）安装cuda12.8。
50系（5090、5080）显卡（sem_120）源码编译causal-conv1d和mamba-ssm
qq70654468的博客
05-04 2955
setup.py想跑 5090，必须让和两层都认识 sm_120；最简单办法就是全部源码编译一次。好在 CUDA 12.8+ 的nvcc已经内置sm_120开关(
50系显卡Windows配置Anaconda中的CUDA及Pytorch
m0_62013374的博客
04-23 8384
50系显卡Windows配置Anaconda中的CUDA及Pytorch
GTX 50系显卡cuda、pytorch环境配置
热门推荐
weixin_41041772的博客
03-03 1万+
对于NVIDIA Blackwell架构的显卡，需要使用最新版本的cuda-12.8，同时tensorRT也需要最新版本TensorRT 10.8，对应pytorch也需要使用没有发布的开发版本2.7.0.dev20250226+cu128.
RTX50系显卡+CUDA+torch+python对应关系
最新发布
weixin_59838768的博客
06-20 2441
RTX50系显卡适配环境指南：RTX5070显卡需使用CUDA12.8，仅支持torch2.7.0和2.7.1版本（需从官网下载对应whl文件）。Python版本要求3.9以上。虽然高版本torch一般向下兼容，但运行旧项目时可能需调整numpy等依赖库。本文记录截至2025年6月的适配经验。
50系显卡配pytorch环境
weixin_47255129的博客
05-24 955
搜索（前面文章提到vision和audio版本要比torch晚一些，所以不要下最新的版本，这里选择20250521版本）：torch-2.8.0.dev20250521+cu128-cp312-cp312-win_amd64。搜索：torchvision-0.22.0.dev20250522+cu128-cp312-cp312-win_amd64。（必须是晚一天，我之前以为只要比torch晚就行，一直安装0523的版本报错，还分不同版本的python去尝试）首先下载nightly版本的torch。
windows10+anaconda环境下安装pytorch出现CondaHTTPError: HTTP 000 CONNECTION FAILED for url 错误的踩坑详细记录
AgamaDog的博客
05-05 1795
在已经安装anaconda的情况下，进行pytorch的安装。从官网拷贝下安装命令后进行安装时却总是报错：CondaHTTPError: HTTP 000 CONNECTION FAILED for url，以下总结了所有我所尝试的解决方法，供大家参考，也许其中的某种方法对你有帮助。 我的电脑显卡是AMD的，因此选择的是无cuda版本的，安装过程跟cuda版本基本相似，整体安装步骤可参考https...
detectron2+AdelaiDet环境配置踩坑记录
m0_62243029的博客
10-14 1059
这个坑有点多，配置detectron2环境花费了好久。其实这个环境我已经配过三四次了，只不过每次都是在不同电脑上操作，现在有些小激动，以此纪念。纯属小白，如有错误请指正。
Anaconda安装pytorch踩坑记录
watermelon_learn的博客
03-14 1473
创建新环境 首先是在Anaconda上构建了一个新的环境，我这个是专门为了深度学习创建的环境，所以叫DeepLearning，创建方式是点击下面的create，之后取名就好了。这里也能看到python版本，记住了后面安装pytorch要用，我这里是python3.9.7。点击DeepLearning后面那个播放键，能打开这个环境的Terminal终端。后续的代码也都是在终端中输入的 安装Pytorch 如何查看CUDA版本 查看Anaconda Tensorflow CUDA 版本 学习笔记_R
5090D本地部署基于Ktransformer框架的DeepSeek（踩坑版）
m0_74420562的博客
03-13 2155
我是看九天老师的公开课，尝试使用单卡5090D+512G运行内存去跑一遍DeepSeek。以下是我使用最新显卡部署时踩得坑。模型为：R1 Q4_K_M1.Ktransformer全称（Quick Transformers）可以在模型运行过程中灵活的将专家模型加载到CPU上，同时将MLA/KVCache卸载到GPU上。2.Unsloth动态量化，通过内存分担显存的方法保证R1 Q4_K_M的运行，并且执行不同任务时将激活的专家加载到GPU上，从而压缩模型运行所需硬件条件。服务器配置：GPU：单卡RTX 509
解决5070显卡出现pytorch不支持sm_120问题
CYRZFX的博客
05-27 3056
本文介绍了为NVIDIA 50系显卡安装PyTorch的方法。首先需从PyTorch官网获取Nightly预览版的CUDA 12.8版本安装链接，选择与系统匹配的最新torch和torchvision版本（后者日期需晚一天）。然后创建对应的Anaconda Python环境，通过pip安装下载的whl文件。最后通过代码验证安装是否成功，若输出包含"sm_120"和True则表示环境配置正确。该方法解决了50系显卡不兼容当前PyTorch正式版的问题。
pytorch安装
m0_67886272的博客
02-11 1188
emm，这篇文章里有pytorch官网，cuda历史版本网址。
Nvidia 5070Ti 安装pytorch
weixin_46535650的博客
04-14 1991
一、创建一个新的虚拟环境。二、去Pytorch官网。
NVIDIA 50系列显卡 PyTorch 安装
03-23
### NVIDIA 50 Series GPU 上安装 PyTorch 的指南 为了在配备 NVIDIA 50 系列显卡的设备上成功安装 PyTorch，需遵循以下方法和注意事项： #### 驱动程序准备 NVIDIA 显卡需要合适的驱动版本才能支持 CUDA 功能。对于最新的 NVIDIA GeForce RTX 50 系列显卡，建议先卸载可能存在的 Nouveau 开源驱动[^3]，因为该驱动不提供完整的硬件加速功能。 可以按照以下命令禁用 Nouveau 并安装官方 NVIDIA 驱动： ```bash sudo apt-get remove --purge '^nvidia-.*' sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo ubuntu-drivers autoinstall ``` 完成上述操作后重启计算机以加载新的 NVIDIA 驱动。 #### 安装 CUDA 和 cuDNN PyTorch 支持通过预编译包自动检测系统中的 CUDA 版本并下载对应的依赖项。然而，手动确认 CUDA 是否已正确配置有助于减少潜在错误。可以从 NVIDIA 官方文档获取最新 CUDA 工具链的安装说明[^1]。 执行如下命令来验证 CUDA 安装状态： ```bash nvcc --version ``` 如果未发现任何可用的 CUDA 编译器，则应重新安装适合当前系统的 CUDA 软件包。 #### 下载与安装 PyTorch 针对特定硬件架构优化过的二进制文件能够显著提升性能表现。以下是基于 Python 的 PyTorch 安装方式之一，它会依据本地环境动态调整兼容性设置[^2]: ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 注意这里选择了 `cu118` 参数代表适配于 CUDA 11.8 的构建版本；实际应用时可根据个人需求替换为其他标签（如无 GPU 加速可选用 cpu-only 类型）。 此外还有另一种途径利用 Conda 渠道实现更便捷的一键部署流程： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia ``` 以上两种方案均能有效达成目标——即顺利集成 NVIDIA 50 系列 GPU 至 PyTorch 生态圈之中。 ---
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值