在电脑调用gpu的时候，我们需要确保驱动所兼容的cuda版本和实际安装的cuda版本是相互兼容的，首先，我们可以调用命令

nvidia-smi

 来查看当前驱动所支持的最高版本

从图上的CUDA Version可以看出驱动所支持的最高版本是12.3，如果没有输出的话，意味着驱动安装有问题，如果没有安装驱动的话，可以先查阅相关资料将驱动安装好。

接着，我们安装的cuda的版本也要与这个版本所对应兼容，最好是二者一样，我们图中所显示的cuda版本是12.3，我们也安装12.3的cuda版本，但是，有些电脑可能安装了别的版本的cuda，这样可以输入nvcc --version来查看，如果是其它版本的，得先将它卸载掉：

sudo apt purge nvidia-cuda-toolkit

没有输出的话，那一般是可以直接安装了

首先登入官方下载的网址 ，以（12.3为例子）

CUDA Toolkit 12.3 Downloads | NVIDIA Developer

页面如下：

因为我的wsl2.0安装的是ubuntu操作系统，所以选择Linux，根据我的电脑配置，选择x86-64，WSL-Ubuntu，2.0，runfile（local），显示如下：

从图中便可以看到有两行命令，这两行命令便是下载和安装的要求，依次输入：

 wget https://developer.download.nvidia.com/compute/cuda/12.3.0/local_installers/cuda_12.3.0_545.23.06_linux.run

sudo sh cuda_12.3.0_545.23.06_linux.run

在执行第二条命令的时候得等一会儿，它会跳出一个框

选择Continue

输入accept

接下来到了是这个页面，如果页面有显示要安装驱动的话，我们不要选择安装，因为我们的驱动已经有了

• 使用方向键将光标移动到 Driver 选项。

• 按 空格键 取消勾选（[ ] 表示取消）。

• 确保 CUDA Toolkit 12.3 保持勾选状态（[X] 表示选中

然后移动到install按回车进行安装即可

安装成功后输入  nvcc --version

显示

表示安装成功了。这个时候，我们的cuda以及相关驱动都是兼容的了。因为我使用的是pytorch所以，我需要安装相应版本的torch即可调用gpu了

因为我们的驱动和cuda版本是一样的，所以我们可以直接输入命令安装torch

pip install torch torchvision torchaudio
PyTorch 会自动检测系统中的 CUDA 驱动，并使用相应的版本进行加速。执行完后，我们可以验证安装是否成功，我们调用以下代码，并运行：

import os
import torch

# 强制指定 GPU 设备
os.environ["CUDA_VISIBLE_DEVICES"] = "0"  # 如果有多个 GPU，可以修改为相应的 ID
print("CUDA 是否可用:", torch.cuda.is_available())
print("GPU 设备名称:", torch.cuda.get_device_name(0) if torch.cuda.is_available() else "无")

这时候如果输出是：

那表示gpu成功调用了，安装成功了