算力显卡版本、驱动版本（Driver Version）、CUDA Toolk

1、任务管理器 → 性能（可以看到GPU的型号）；或者
2、在开始菜单搜索设备管理器 → “显示适配器”中可以看到GPU的型号（一般是看自己独显，也就是英伟达显卡型号）
此外，官网给出了每一款显卡的算力（可看可不看，主要得知道自己显卡的型号）：
对应什么产品什么型号就自行选择即可。不同型号的显卡算力可能是一样的，如：3070和都是8.6的算力。
二、查看自己的驱动版本（）和CUDA版本（CUDA ）
按start+R，输入cmd，打开命令行，输入命令：
-smi
可见我当前的驱动版本是531.14，CUDA版本是12.1 。
三、CUDA版本和驱动版本之间的对应
那么CUDA .1.66的需要的驱动版本范围应该在对应的版本的说明文档里标明，如12.1版本的说明在以下官方网站中标出：（我用的是系统）
CUDA 与驱动版本的对应
#
下方的链接是官网给出的对照表格，如果你懒得在上面的网站里翻，也可以直接看这个：

文章插图
Table 3 CUDAand
可以看到表格里写的清清楚楚：
如果你想要安装CUDA 11.6 GA，那你的驱动版本起码得是511.23；
如果你的驱动版本已经达到了546.12，那上表里的CUDA你都能安装（CUDA 是可以同时安装多个版本的，用哪个版本的CUDA就把该版本写入环境变量就可以）。
四、CUDA版本和驱动版本不匹配的应对方法
如果现在你的CUDA版本和驱动版本不匹配，就可以：
方法1：使用低版本CUDA
关于这个方法涉及多版本CUDA切换，等写完放链接。
方法2：更新驱动
驱动是可以更新的。附上驱动安装/更新的官方网站：
人工智能计算领域的领导者 |
点击“驱动程序”，出现以下界面：
根据你的显卡型号和需求选择即可，点击“搜索”出现驱动下载界面：

文章插图
点击“安装”即可。可以看到对于可用的最新的驱动版本已经更新到546.17了。
更新后的驱动版本也许能够支撑起CUDA版本，但如果更新后还是达不到当前使用的CUDA版本对驱动版本的要求，那就必须换个低版本的CUDA 。
五、对应的版本
若不知道如何在的环境中安装，请看：+++Gym深度强化学习环境搭建送新手直接送进炼丹炉安装gym库_在屏幕前出油的博客-CSDN博客+++Gym强化学习环境搭建流程，新手强化学习炼丹炉入口。
那么现在来看了，目前官网最高支持的是CUDA版本是11.8，有些滞后，和我的.1.66版本是不匹配的。但之前我在环境中安装的也是CUDA版本为11.8的（版本如下图）：
所以，由于给出的CUDA的版本有些滞后，就需要验证一下支持.8的是否和.1.66是兼容的，于是我在这个官网安装页往下翻了翻：
也没说什么特别的，就是说conda和CUDA要适配你的机器，并且在你的可选范围内，选择CUDA版本越高的越好。
接着官网给了安装成功的认证过程：
翻译过来就是说，以下步骤可以帮你认证你的是否安装成功，并且你的CUDA是否能为所用。
用新建一个空项目，环境配置选择安装了(CUDA= 11.8)的那个环境，按照上图官网文档给出的命令验证一下即可：

import torchx = torch.rand(5, 3)print(x)#如果你的输出是类似于官网给出的那个tensor的样子，说明torch可用torch.cuda.is_available()#若返回True则说明CUDA可用

我输出了一个和官网给出的相似的结果（绿框里的那个），并告诉我我的CUDA可以使用，但不知道跑模型的时候会不会提示什么不兼容的错误（应该不会，到时候再说）。
【算力显卡版本、驱动版本（Driver Version）、CUDA Toolk】哦对了，CUDA官网还说CUDA是向下兼容的，所以我觉得高版本CUDA会兼容支持低版本CUDA的。但如果选择保守一点，就严格按照对应的版本安装使用即可。

算力 显卡版本、驱动版本（Driver Version）、CUDA Toolk

算力显卡版本、驱动版本（Driver Version）、CUDA Toolk