如果我使用的 CUDA 版本不在官方支持列表中，我应该如何安装 PyTorch？

当你使用的CUDA版本不在官方支持列表中时，安装PyTorch可能会稍微复杂一些，但仍然可以通过以下几种方式来尝试：

1. 使用conda安装：
Conda是一个流行的包管理器和环境管理器，有时它可能支持非官方支持的CUDA版本。你可以尝试使用conda命令安装PyTorch。例如：

   conda install pytorch torchvision torchaudio cudatoolkit=你的CUDA版本 -c pytorch

将`你的CUDA版本`替换成你的CUDA版本号。例如，如果你的CUDA版本是10.2，那么命令将会是：

   conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

2. 使用pip安装：
如果conda没有提供对应的版本，你可能需要尝试使用pip安装。但要注意，pip安装PyTorch时，对CUDA版本有较为严格的依赖关系。你可以查找是否有第三方编译的PyTorch轮子（wheel）文件支持你的CUDA版本。如果没有找到，可能需要考虑降级CUDA版本或者升级到官方支持的最新版本。

3. 从源代码编译PyTorch：
如果以上两种方式都不可行，那么你可能需要从源代码编译PyTorch。首先，你需要安装CUDA的toolkit。然后，根据PyTorch的官方文档中提供的构建指南进行编译。这可能需要较强的编程背景和对环境配置有一定的了解。