PyTorch 2.11 报 CUDA 驱动太旧？一行 `pip install` 解决不了，580 驱动才是真解！

携梦问道

312人浏览 · 2026-07-21 14:03:32

携梦问道 · 2026-07-21 14:03:32 发布

摘要

本机 RTX 3090 + Ubuntu 22.04，torch 2.11.0+cu130 一上来就报 The NVIDIA driver on your system is too old (found version 12020)，本以为是 PyTorch 安装错了，没想到真正的元凶是 NVIDIA 驱动版本。本文完整记录了从 535 升级到 580.159.03 的全过程，包括 libnvidia-* 依赖冲突、dpkg held package 拦截以及 Wayland EGL 缺失的坑，最终让 torch.cuda.is_available() 顺利返回 True，并附上对 vLLM 0.22.1 用户的后续建议。

一、问题背景

最近升级了 PyTorch 到 2.11.0+cu130，本以为性能会原地起飞，结果一运行就遇到这个熟悉的警告：

UserWarning: CUDA initialization: The NVIDIA driver on your system is too old
(found version 12020). Please update your GPU driver ...
torch.cuda.is_available()
False

环境信息：

GPU：NVIDIA GeForce RTX 3090
系统：Ubuntu 22.04.5 LTS
PyTorch：2.11.0（CUDA 13.0 构建）
vLLM：0.22.1

found version 12020 意味着当前驱动最高支持到 CUDA 12.2，PyTorch 需要的 CUDA 13.0 完全不在能力范围内。一句话：驱动太老了，必须升级。

二、第一反应：升级 PyTorch 反而是弯路

第一直觉是装错了 PyTorch 版本。想着既然驱动只支持到 12.2，那就回退到 cu121：

python -m pip uninstall -y torch torchvision torchaudio
python -m pip install torch torchvision torchaudio \
  --index-url https://download.pytorch.org/whl/cu121

但 vLLM 0.22.1 在依赖里强约束了 torch，回退版本直接 pip check 报错。为了一个旧驱动去改整个推理栈是不划算的，所以正确方向是：升级 NVIDIA 驱动。

三、查清驱动现状

nvidia-smi

输出关键信息：

Driver Version: 535.129.03
CUDA Version: 12.2

535 系列最高只支持 CUDA 12.2，PyTorch 2.11+cu130 需要 CUDA 13.0，必须使用 580+ 系列驱动（CUDA 13 引入的最低版本）。

查看可用的 580 驱动：

apt-cache policy nvidia-driver-580

仓库里有：

nvidia-driver-580:
  候选： 580.159.03-0ubuntu0.22.04.1

版本合适，可以装。

四、第一道坎：apt 依赖冲突

直接安装会失败：

sudo apt install nvidia-driver-580

报错显示 libnvidia-cfg1-535、libnvidia-gl-535、nvidia-driver-535 等包互相冲突，原因是旧的 535 用户态库还留在系统里。

解决方法：先卸载 535 整套。

sudo apt remove --purge -y \
  nvidia-dkms-535 \
  nvidia-driver-535 \
  nvidia-compute-utils-535 \
  nvidia-utils-535 \
  nvidia-kernel-common-535 \
  nvidia-kernel-source-535 \
  'libnvidia-cfg1-535' \
  'libnvidia-common-535' \
  'libnvidia-compute-535' \
  'libnvidia-decode-535' \
  'libnvidia-encode-535' \
  'libnvidia-extra-535' \
  'libnvidia-fbc1-535' \
  'libnvidia-gl-535' \
  xserver-xorg-video-nvidia-535

注意：i386 版本的 libnvidia-*-535:i386 也要一起删，否则多架构库里残留的旧库仍然会顶住 580 的安装。

五、第二道坎：535 包被 hold

执行上面那条命令时再次失败：

下列软件包有未满足的依赖关系：
 nvidia-dkms-535 : 依赖: nvidia-kernel-source-535 ...
E: 错误，pkgProblemResolver::Resolve 发生故障

这是因为系统中存在 apt-mark hold 的旧包。apt install -s 会忽略 hold，而真实的 install 不会，所以模拟和实际结果不一致是经典症状。

查看所有被 hold 的包：

apt-mark showhold

本机一长串 NVIDIA 包全在 hold 列表里。直接全部解锁：

sudo apt-mark unhold $(dpkg --get-selections | awk '$2=="hold" {print $1}')

六、第三道坎：`libnvidia-egl-wayland1` 装不进去

再次安装 nvidia-driver-580，提示：

libnvidia-gl-580 : 依赖: libnvidia-egl-wayland1 但是它将不会被安装

模拟一下：

apt install -s libnvidia-egl-wayland1

模拟成功，但实际失败。说明有别的包在 hold 这个 Wayland EGL 桥。再次定向解锁：

sudo apt-mark unhold libnvidia-egl-wayland1

然后：

sudo apt install -y libnvidia-egl-wayland1
sudo apt install -y nvidia-driver-580
sudo reboot

注意：Wayland EGL 桥不依赖你是否用 Wayland 桌面，是 GL 渲染时需要用到的运行时库，所以即便纯服务器环境也得装。

七、收尾验证

nvidia-smi

在这里插入图片描述

nvcc --version

在这里插入图片描述

python -c "import torch; print(torch.cuda.is_available())"

在这里插入图片描述

至此，PyTorch 2.11+cu130 终于能正确识别 GPU，vLLM 0.22.1 也能在 3090 上正常启动推理服务了。

八、复盘清单

报错先看版本号：found version 12020 不是 PyTorch 的问题，是驱动。
驱动优先于 PyTorch：遇到 cu12x / cu13x 报错时，升级驱动几乎总是最优解，降级 PyTorch 会污染整个推理栈。
CUDA 13 → 驱动 580+：这是 NVIDIA 官方为 CUDA 13 发布的最低分支，别再用 535、545、550。
apt-mark hold 是隐藏 Boss：残留的 hold 会让模拟与实际结果不一致，apt-mark showhold 永远是排查第一步。
i386 多架构库别忘删：交叉架构库是依赖冲突的常见源头。
完整 reboot 不可省：仅重启终端不会加载新内核模块，驱动升级必须全机重启。

九、给 vLLM 用户的额外建议

升级完驱动后建议跑一次 python -m pip check，确认 vLLM 0.22.1 的依赖树仍然一致。
3090 显存 24GB，跑 7B/13B 量化模型没问题，跑 70B 走 CPU offload 比较勉强。
如果升级到 PyTorch 2.11 后出现 triton 编译错误，先 pip install -U triton，再考虑 TORCH_CUDA_ARCH_LIST="8.6" python -m vllm.entrypoints.openai.api_server ... 这种方式强制编译到 3090 的 SM 8.6。

十、结语

驱动问题看起来是“环境层面”的小事，但实际处理起来经常被一堆 hold 列表和 i386 残留搞得焦头烂额。希望这篇记录能帮你少走几个坑。如果你在升级过程中遇到别的卡点，欢迎在评论区贴出 apt-mark showhold、nvidia-smi 以及 pip show torch 的输出，咱们一起拆招。

祝你的 RTX 3090 在 PyTorch 2.11 + vLLM 0.22.1 上跑出漂亮的 tokens/s！

标签

#PyTorch #NVIDIA驱动 #vLLM