python3.9 torch cuda

Python 3.9 中 PyTorch 与 CUDA 的安装配置及兼容性
对于希望在 Python 3.9 环境下利用 GPU 加速计算的应用开发者而言，正确设置 PyTorch 和 NVIDIA CUDA 工具包之间的交互至关重要[^1]。
安装环境准备
为了确保最佳性能，在开始之前应确认操作系统已安装适当版本的 NVIDIA 驱动程序以及对应的 CUDA Toolkit 版本。通常建议使用较新的稳定版驱动来获得更好的支持和安全性更新[^2]。
PyTorch 安装方法
推荐通过 pip 或者 Anaconda 来简化依赖管理并快速部署所需库文件：

使用 pip 进行全局或虚拟环境中安装：pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
登录后复制

上述命令适用于特定 CUDA 版本 (此处为 cu113)，可根据实际情况调整 URL 参数以匹配本地硬件条件[^3]。

对于 Conda 用户，则可以执行如下指令完成相同操作：conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
登录后复制

此方式能够自动处理大部分跨平台差异，并保持良好的软件生态一致性[^4]。
验证安装成功与否
可以通过运行简单的测试脚本来验证当前环境是否能正常调用 GPU 资源：
import torch
print(f"CUDA Available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
device = 'cuda'
else:
device = 'cpu'

tensor_example = torch.tensor([1., 2., 3.], device=device)
print(tensor_example)
登录后复制
这段代码会尝试连接到可用的 GPU 设备上创建张量对象；如果一切顺利的话，输出结果应该显示 "device('cuda')" 表明已经成功启用了加速功能[^5]。