RTX 5060 安装 CUDA 12.8 版本的 PyTorch 完整指南

ruofu33

460人浏览 · 2026-05-27 11:43:05

ruofu33 · 2026-05-27 11:43:05 发布

RTX 5060 安装 CUDA 12.8 版本的 PyTorch 完整指南

本文详细指导如何在配备 NVIDIA RTX 5060 GPU 的机器上，为深度学习环境安装适配 CUDA 12.8 的 PyTorch。RTX 50 系列采用了新的 NVIDIA 架构，确保 PyTorch 能正确识别并利用其计算能力至关重要。

环境准备

确认系统环境
- 操作系统: 建议使用 Ubuntu 22.04/24.04 LTS 或 Windows 11。
- NVIDIA 驱动: 确保已安装支持 CUDA 12.8 的最新 NVIDIA 显卡驱动。可通过 nvidia-smi 命令查看驱动版本和 CUDA 版本。
- Conda 环境: 我们将使用一个独立的 Conda 环境来管理依赖，避免污染系统环境。
创建并激活 Conda 环境
如果你还没有名为 langchain-conda-env 的环境，请先创建：
```
conda create -n langchain-conda-env python=3.10 -y
conda activate langchain-conda-env
```

安装步骤详解

请在你的 (langchain-conda-env) 环境中，按顺序执行以下操作：

步骤 1: 清理旧版本（如果之前装过）

为避免版本冲突，首先卸载系统中可能存在的旧版 PyTorch 及相关包。

pip uninstall torch torchvision torchaudio -y

注意: 如果之前是通过 conda 安装的，可能需要额外执行 conda remove pytorch torchvision torchaudio -y。

步骤 2: 安装 CUDA 12.8 版本的 PyTorch

这是目前针对 RTX 50 系列最稳妥的指令。PyTorch 官方为 CUDA 12.8 提供了预编译的 wheel 包。

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128

--index-url: 指定 PyTorch 官方针对 CUDA 12.8 (cu128) 的仓库地址。
网络问题: 如果下载缓慢或超时，可以考虑使用国内镜像源（如清华、阿里云），但需确保镜像源同步了 cu128 的包。

步骤 3: 验证安装

安装完成后，必须运行验证代码，确保 PyTorch 能正确识别你的 RTX 5060 GPU 及其 sm_120 计算架构。

创建一个 Python 脚本（例如 verify_gpu.py）或直接在 Python 交互环境中运行以下代码：

import torch

print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA版本: {torch.version.cuda}")
print(f"GPU可用: {torch.cuda.is_available()}")

# 检查是否包含 sm_120，这是RTX 5060的关键计算架构
if torch.cuda.is_available():
    arch_list = torch.cuda.get_arch_list()
    print(f"支持的架构: {arch_list}")
    if 'sm_120' in arch_list:
        print("✅ 成功检测到 RTX 5060 所需架构 (sm_120)。")
    else:
        print("⚠️  警告：未检测到 sm_120 架构，PyTorch 可能无法充分发挥 RTX 5060 性能。")
else:
    print("❌ GPU 不可用，请检查驱动和CUDA安装。")

预期成功输出:

PyTorch版本: 2.5.1+cu128
CUDA版本: 12.8
GPU可用: True
支持的架构: ['sm_120', 'sm_86', ...]
✅ 成功检测到 RTX 5060 所需架构 (sm_120)。

常见问题与解决方案

GPU可用: False
- 原因: NVIDIA 驱动未安装、版本不匹配，或 Conda 环境中的 CUDA 运行时与系统驱动不兼容。
- 解决: 运行 nvidia-smi 确认驱动已安装且版本支持 CUDA 12.8。确保在正确的 Conda 环境中操作。
输出中不包含 'sm_120'
- 原因: 安装的 PyTorch 版本可能不是针对 CUDA 12.8 构建的，或者 wheel 包未包含 RTX 50 系列支持。
- 解决: 严格使用上述 --index-url https://download.pytorch.org/whl/cu128 命令重新安装。
安装速度慢或失败
- 解决: 使用国内镜像源加速。例如，使用清华源：
```
pip install torch torchvision torchaudio --index-url https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/whl/cu128/
```
  （注意：镜像同步可能有延迟，若失败请换回官方源或等待）
与其他库的兼容性
- 安装 PyTorch 后，再安装其他深度学习库（如 transformers, langchain 等），通常不会冲突。