pytorch1.8.1对应的CUDA是什么版本

PyTorch 1.8.1 对应的 CUDA 版本可以是 CUDA 10.2、CUDA 11.1、CUDA 11.2 或者 CUDA 11.3，具体取决于你的系统和硬件配置。你可以在 PyTorch 官网的安装页面中查看 PyTorch 版本和对应的 CUDA 版本。同时，还需要注意 PyTorch 版本和 CUDA 版本的兼容性，以免在使用过程中出现不兼容的情况。

相关问题

torch1.8.1对应cuda

根据引用和引用的信息，torch 1.8.1对应的cuda版本是10.2。在引用中提到的docker镜像中，pytorch 1.8.1对应的cuda版本是11.1。所以，根据不同的安装方式，torch 1.8.1可以与cuda 10.2或cuda 11.1配套使用。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [Pytorch 1.8.1 with Cuda @ Windows 10](https://blog.csdn.net/blkf/article/details/115734972)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [Linux安装Pytorch1.8GPU（CUDA11.1）](https://blog.csdn.net/qq_37541097/article/details/114896215)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

复现一个代码，需要的torch==1.8.1＋cuda90.cudnn7.6.5的要求应该怎样下载

要复现一个需要特定版本的PyTorch和CUDA、cuDNN环境的代码，你可以按照以下步骤进行操作：

1. 安装特定版本的CUDA和cuDNN：
- CUDA 9.0下载地址：https://developer.nvidia.com/cuda-90-download-archive
- cuDNN 7.6.5下载地址：https://developer.nvidia.com/rdp/cudnn-archive
下载与你的操作系统对应的版本，并根据官方指南安装。

2. 安装特定版本的PyTorch：
- 首先，访问PyTorch官网的安装指南页面：https://pytorch.org/get-started/locally/
- 在该页面上，选择你的系统环境、包管理器（例如conda或pip）、CUDA版本（对于你的情况，选择CUDA 9.0）。
- 页面将提供给你一个安装命令，例如使用conda时可能看起来像这样：

     conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=9.0 -c pytorch

- 执行该命令，conda将为你安装所需版本的PyTorch及其依赖项。

3. 验证安装：
- 安装完成后，你可以通过运行以下Python代码来验证PyTorch和CUDA的安装是否正确：

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

确保在安装过程中检查你的系统环境是否支持所选的CUDA版本，并且你的NVIDIA驱动版本满足CUDA 9.0的安装要求。