未解决问题，发出来仅作为踩坑参考。教训是，可以的话尽量避开3.12及之后的新版本，使用3.10或3.11版本进行使用gpu的pytorch深度学习实验。

前提

1.确认已安装CUDA，并知道当前已安装的CUDA版本

2.从始至终使用conda管理依赖，未使用pip

3.环境：Win10-64，Python3.12.11，CUDA 12.1

问题

按照pytorch官网提供的2.5.1 GPU版命令

conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia

尝试安装对应版本的torch，print(torch.cuda.is_available())却输出false

分析

conda list查看包细节：

发现当前环境内的pytorch竟然是cpu版本的。明明使用了官网提供的GPU版命令，为什么会这样呢，神秘。

解决方案

（以下为失败方案的分割线，最终采用的解决方法请直接跳到下一单元）

---

询问gpt后得到建议：

解决尝试1（不成功）

首先尝试修改通道优先级。使用如下命令：

conda config --add channels pytorch
conda config --add channels nvidia
conda config --set channel_priority strict

随后再运行官网提供的命令，获得如下警示：

大约是严格通道优先级导致了新的依赖问题。放弃该方案，使用如下命令接触优先级：

conda config --set channel_priority flexible

测试后显示优先级已经接触设置，再运行conda intsall时无预警。但原始问题未解决，于是尝试方案二。

解决尝试2（不成功）

使用有明确指定的命令进行安装。使用如下命令：

conda install pytorch=2.5.1=*cuda* torchvision=0.20.1=*cuda* torchaudio=2.5.1=*cuda* pytorch-cuda=12.1 -c pytorch -c nvidia

意料之外获得如下提示：

好神秘。似乎是python版本兼容性的问题。决定去anaconda官网上看看，确认下packages和python版本的对应。

解决尝试3（不成功）

在anaconda官网pytorch/pytorch 2.5.1信息页面，找到对应GPU-CUDA版本文件下载到本地site-packages内。

cd到本地site-packages目录，使用如下代码解压本地.bz2包并安装（Downloading and Extracting进度为%0可能会持续一段时间，耐心等待）：

conda install --use-local {文件名称(包含.bz2后缀)}

结束后可见安装成功：

但尝试import torch还是报错了，显示缺少模块。鉴于情况奇怪，没空继续研究，于是停止进一步修正尝试。

---

最终方案

放弃在Python3.12.11环境下继续配置深度学习环境，转而使用Python3.10的版本进行实验。博主太菜了，经验贴发出来仅作为踩坑教训。如果有情况相似的网友之后通过某种方式解决了问题，欢迎评论交流指点。

（古怪的是恍惚记得上周刚配好torch的时候cuda.is_available()还是True来着，今天新装几个包后就不行了。难道是幻觉

参考

1.Pytorch官网 - https://pytorch.org/get-started/previous-versions/

２.Conda安装第三方包 - https://zhuanlan.zhihu.com/p/107487229 （原链接为在base环境中安装，我使用虚拟环境，在 anaconda3/env/{虚拟环境名称}/Lib/site-packages 路径下安装）