gt730 安装cuda pytorch

根据引用和引用的内容可以得出结论，GT 730的CUDA Capability为3.5，而当前版本的Pytorch只支持CUDA Capability 3.7以上的显卡。因此，GT 730无法在当前版本的Pytorch上发挥其GPU计算能力。如果你想在GT 730上安装CUDA和Pytorch，你需要找到一个与该显卡兼容的旧版本Pytorch。根据引用的内容，你可以尝试安装Pytorch 1.2.0和对应的torchvision 0.4.0，并使用cudatoolkit=10.0来安装CUDA，以满足GT 730的要求。

相关问题

安装pytorch_gpu版本

### 安装GPU版本PyTorch

对于希望利用GPU加速计算的应用场景，在特定操作系统上安装GPU版本的PyTorch是一个重要的步骤。考虑到不同的硬件和软件环境，以下是针对不同情况下的指导。

#### Ubuntu 18.04上的安装指南

在Ubuntu 18.04环境下准备安装GPU版本的PyTorch时，首先要确认系统的显卡能够被CUDA所支持[^3]。例如，如果使用的显卡为GT640m，则需要注意该款显卡可能无法兼容最新的CUDA版本如11.0；相反，它更适合搭配较低版本的CUDA，像CUDA 10.0这样的选项可能会更加合适。

为了确保顺利安装，建议先访问[NVIDIA开发者页面](https://developer.nvidia.com/cuda-gpus)，查询具体的显卡型号是否列于官方支持列表内，并据此选择合适的CUDA版本进行下载与安装[^4]。

完成上述准备工作之后，可以通过Conda或pip工具来获取指定版本的PyTorch。这里推荐使用Anaconda管理Python包及其依赖关系，因为这能简化跨平台开发过程中的许多复杂度。具体操作命令如下所示：

# 创建一个新的虚拟环境（可选）
conda create -n pytorch_env python=3.7
conda activate pytorch_env

# 安装PyTorch (假设选择了CUDA 10.0)
conda install pytorch torchvision torchaudio cudatoolkit=10.0 -c pytorch

以上命令会自动处理好所有必要的依赖项，包括但不限于CUDA Toolkit以及cuDNN库等。值得注意的是，当从官方网站挑选旧版PyTorch时，应当留意区分其分发形式——即是从`conda`渠道还是通过`.whl`文件安装，这一点同样适用于其他发行方式的选择[^5]。

最后一步是验证安装成功与否。可以在Python解释器中运行以下代码片段测试是否存在可用的GPU资源供PyTorch调用：

import torch
print("GPU available:", torch.cuda.is_available())

这段简单的脚本将会输出当前环境中是否有有效的GPU设备可以用于加速运算。如果有多个GPU存在于同一台机器上，还可以进一步探索如何设置默认使用的GPU编号等功能特性。

PyTorch 1.12.1 官方推荐的 CUDA 版本

PyTorch 1.12.1 官方推荐的 CUDA 版本取决于你的操作系统和 GPU 型号。以下是官方推荐的 CUDA 版本列表：

| 操作系统 | GPU 型号 | 推荐的 CUDA 版本 |
| --- | --- | --- |
| Linux | NVIDIA® Tesla® V100、NVIDIA® Titan RTX™、NVIDIA® Quadro RTX™ 8000、NVIDIA® A100 | CUDA 11.4 |
| Linux | NVIDIA® Tesla® T4、NVIDIA® Tesla® P4、NVIDIA® Quadro® P5000、NVIDIA® Quadro® P6000 | CUDA 10.2 |
| Linux | NVIDIA® Tesla® P100、NVIDIA® Tesla® K80、NVIDIA® Tesla® M40、NVIDIA® Tesla® M60、NVIDIA® GRID K520、NVIDIA® GRID K2、NVIDIA® Tesla® K40c、NVIDIA® Tesla® K40m、NVIDIA® Tesla® K40s、NVIDIA® Tesla® K40st、NVIDIA® Tesla® K40t、NVIDIA® Quadro® K6000、NVIDIA® Quadro® K5200、NVIDIA® Quadro® K5000、NVIDIA® Quadro® K4200、NVIDIA® Quadro® K4000、NVIDIA® Quadro® K2200、NVIDIA® Quadro® K2000、NVIDIA® Quadro® K2000D、NVIDIA® Quadro® K1200、NVIDIA® Quadro® K620、NVIDIA® Quadro® K600、NVIDIA® Quadro® K420、NVIDIA® Quadro® 410、NVIDIA® GeForce® GT 730 | CUDA 9.2 |
| Windows | NVIDIA® Tesla® V100、NVIDIA® Titan RTX™、NVIDIA® Quadro RTX™ 8000、NVIDIA® A100 | CUDA 11.4 |
| Windows | NVIDIA® Tesla® T4、NVIDIA® Tesla® P4、NVIDIA® Quadro® P5000、NVIDIA® Quadro® P6000 | CUDA 10.2 |
| Windows | NVIDIA® Tesla® P100、NVIDIA® Tesla® K80、NVIDIA® Tesla® M40、NVIDIA® Tesla® M60、NVIDIA® GRID K520、NVIDIA® GRID K2、NVIDIA® Tesla® K40c、NVIDIA® Tesla® K40m、NVIDIA® Tesla® K40s、NVIDIA® Tesla® K40st、NVIDIA® Tesla® K40t、NVIDIA® Quadro® K6000、NVIDIA® Quadro® K5200、NVIDIA® Quadro® K5000、NVIDIA® Quadro® K4200、NVIDIA® Quadro® K4000、NVIDIA® Quadro® K2200、NVIDIA® Quadro® K2000、NVIDIA® Quadro® K2000D、NVIDIA® Quadro® K1200、NVIDIA® Quadro® K620、NVIDIA® Quadro® K600、NVIDIA® Quadro® K420、NVIDIA® Quadro® 410、NVIDIA® GeForce® GT 730 | CUDA 9.2 |

请注意，这些仅是官方推荐的版本，你可以使用不同的 CUDA 版本，但可能需要进行额外的配置和调试。