搭建 RTX 5060 显卡的 PyTorch 环境完整流程。覆盖驱动、CUDA、cuDNN、Conda 环境、PyTorch Nightly 安装和验证，确保能跑通最新 Blackwell 架构 (sm_120)。

🖥️ 1. 安装显卡驱动

• RTX 5060 需要 NVIDIA Driver ≥ 573.24。

• 去 NVIDIA 驱动下载页面 获取最新驱动。

• 安装完成后运行：

  nvidia-smi
  

  确认能显示 GPU 型号和 CUDA Runtime 版本（≥12.8）。
  

⚙️ 2. 安装 CUDA Toolkit 12.9

• 下载地址：CUDA Toolkit 12.9

• 安装时保持默认路径：

  • Windows: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9
  • Linux: /usr/local/cuda-12.9

• 验证：

  nvcc --version
  

  输出应显示 release 12.9。

📚 3. 安装 cuDNN

• 下载 cuDNN 9.x for CUDA 12.9（需注册）。

• 解压后复制 bin/, include/, lib/ 到 CUDA 12.9 安装目录。

• 确认路径正确，例如 Windows 下：

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.9\bin
  

🛠️ 4. 创建 Conda 虚拟环境

conda create -n torch-nightly python=3.10
conda activate torch-nightly

推荐 Python 3.10/3.11，兼容性最佳。

🔥 5. 安装 PyTorch Nightly (支持 RTX 5060)

稳定版 PyTorch 还不支持 Blackwell 架构，需要 Nightly：

pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu129

• --pre 表示安装预发布版本。

• cu129 对应 CUDA 12.9。

• 如果 torchvision Nightly 缺失，可以用稳定版：

  pip install torchvision
  

✅ 6. 验证安装

在 Python 中运行：

import torch, torchvision
print("Torch:", torch.__version__)
print("CUDA:", torch.version.cuda)
print("GPU:", torch.cuda.get_device_name(0))
print("Available:", torch.cuda.is_available())
print("TorchVision:", torchvision.__version__)

输出应显示：

• Torch 版本：2.10.0.dev...+cu129
• CUDA 版本：12.9
• GPU：NVIDIA RTX 5060
• Available: True

⚠️ 7. 注意事项

• 不要混装 CUDA 12.8/12.9：最好卸载旧版本，避免环境变量冲突。
• Nightly 不稳定：未来 PyTorch 稳定版支持 sm_120 后，可以切换回稳定版。
• 国内网络问题：如果 pip 报 SSL 错误，可以用国内镜像或手动下载 .whl 文件安装。
• 多 GPU 设置：在 Windows PowerShell 用 $env:CUDA_VISIBLE_DEVICES="0" 控制 GPU。