3、CUDA安装准备：检查硬件兼容性、操作系统要求、驱动与CUDA版本对应关系
在动手下载CUDA Toolkit之前，必须先完成一系列“前置校验”。很多初学者习惯直接安装最新版CUDA，结果在编译或运行时才暴露兼容性问题，返工成本极高。CUDA的安装并非“下载即用”，它依赖硬件、操作系统、显卡驱动三者的协同。本节将系统梳理安装前的四项核心检查：硬件兼容性、操作系统要求、驱动与CUDA版本对应关系，以及配套工具链的确认。
3.1 硬件兼容性检查：GPU架构与算力
CUDA程序最终运行在NVIDIA GPU上，而GPU的计算能力（Compute Capability）决定了它支持哪些CUDA特性。计算能力以“主版本号.次版本号”表示，例如8.6、9.0。主版本对应GPU架构代际，次版本表示同代内的功能差异。
不同CUDA版本对计算能力有最低要求。例如，CUDA 12.x要求GPU计算能力不低于5.0（Maxwell架构），而CUDA 11.x最低支持3.5（Kepler架构）。如果你的GPU是较老的Kepler或Maxwell架构，安装CUDA 12将无法使用。因此，第一步是查询GPU的计算能力。
nvidia-smi 可查看驱动版本和GPU名称；执行 nvidia-smi --query-gpu=name,compute_cap --format=csv 可直接获取计算能力。Windows下可在“NVIDIA控制面板 → 系统信息 → 组件”中查看。
下表列出了常见GPU架构与计算能力的对应关系，供快速参考：
| GPU架构 | 计算能力 | 代表显卡 | 最低CUDA版本支持 |
|---|---|---|---|
| Kepler | 3.0 / 3.5 | GTX 700系列、K80 | CUDA 10.2（已停止支持） |
| Maxwell | 5.0 / 5.2 | GTX 900系列、GTX 750 Ti | CUDA 11.x（最后支持） |
| Pascal | 6.0 / 6.1 | GTX 10系列、P100 | CUDA 12.x（仍支持） |
| Volta | 7.0 | V100、Titan V | CUDA 12.x |
| Turing | 7.5 | RTX 20系列、GTX 16系列 | CUDA 12.x |
| Ampere | 8.0 / 8.6 | RTX 30系列、A100 | CUDA 12.x |
| Ada Lovelace | 8.9 | RTX 40系列 | CUDA 12.x |
| Hopper | 9.0 | H100 | CUDA 12.x |
除了计算能力，还需确认GPU的显存容量。深度学习训练通常需要至少8GB显存（ResNet-50级别），而大语言模型微调可能需要24GB以上。显存不足会导致CUDA out of memory错误，这并非安装问题，而是硬件选型问题。
3.2 操作系统要求：内核、发行版与glibc
CUDA Toolkit对操作系统有明确的支持矩阵。以Linux为例，NVIDIA官方支持Ubuntu、CentOS/RHEL、Debian、Rocky Linux等主流发行版，但每个CUDA版本对内核版本和glibc版本有最低要求。例如，CUDA 12.4要求Linux内核不低于3.10，glibc不低于2.17。如果你的系统是CentOS 7（内核3.10，glibc 2.17），可以安装CUDA 12.4，但无法安装CUDA 12.6（要求glibc 2.28）。
Windows方面，CUDA 12.x要求Windows 10 21H2及以上版本或Windows 11。Windows 7最高只能安装CUDA 10.2，且已停止安全更新，不建议用于开发环境。
检查操作系统信息的命令如下：
# 查看Linux内核版本
uname -r
# 查看发行版信息
cat /etc/os-release
# 查看glibc版本
ldd --version | head -n1
# Windows下查看系统版本
winver3.3 驱动与CUDA版本对应关系：核心约束
这是安装准备中最关键的一环。NVIDIA显卡驱动是“向下兼容”的：新驱动支持旧CUDA版本，但旧驱动不支持新CUDA版本。每个CUDA Toolkit版本都要求驱动版本不低于某个阈值。例如：
- CUDA 12.6 要求 Linux 驱动 ≥ 560.28.03，Windows 驱动 ≥ 560.70
- CUDA 12.4 要求 Linux 驱动 ≥ 550.54.14，Windows 驱动 ≥ 551.61
- CUDA 11.8 要求 Linux 驱动 ≥ 520.61.05，Windows 驱动 ≥ 520.06
因此，正确的安装顺序是：先安装或更新NVIDIA驱动，再安装CUDA Toolkit。如果先装CUDA再装驱动，可能导致CUDA运行时找不到驱动接口。
查看当前驱动版本的方法：
# Linux
nvidia-smi
# 输出示例：
# +-----------------------------------------------------------------------------+
# | NVIDIA-SMI 550.54.14 Driver Version: 550.54.14 CUDA Version: 12.4 |
# +-----------------------------------------------------------------------------+注意nvidia-smi输出的“CUDA Version”表示当前驱动支持的最高CUDA版本，而非已安装的CUDA Toolkit版本。例如，驱动版本550.54.14显示CUDA Version: 12.4，意味着你可以安装CUDA 12.4或更低版本，但不能安装CUDA 12.6。
3.4 方法流程：五步完成安装前校验
综合以上检查项，推荐按以下流程操作，确保每一步都验证通过后再继续：
- 确认GPU型号与计算能力：使用
nvidia-smi --query-gpu=name,compute_cap --format=csv或GPU-Z（Windows）获取。 - 确认操作系统版本：Linux下执行
uname -a和cat /etc/os-release；Windows下执行winver。 - 检查当前驱动版本：执行
nvidia-smi，记录Driver Version。 - 对照NVIDIA官方兼容性矩阵：访问
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html，找到“CUDA Toolkit and Corresponding Driver Versions”表，确认你的驱动版本支持哪个CUDA版本。 - 确认编译器与依赖库：CUDA Toolkit需要GCC/G++（Linux）或Visual Studio（Windows）。CUDA 12.x要求GCC ≥ 9.0，VS 2019/2022。执行
gcc --version检查。
3.5 误区与复盘：常见安装失败原因
以下是初学者在安装准备阶段最容易犯的错误，提前了解可避免返工：
| 误区 | 后果 | 正确做法 |
|---|---|---|
| 直接安装最新版CUDA | 驱动版本过旧，安装后nvcc编译报错 | 先查驱动版本，再选CUDA版本 |
| 忽略操作系统位数 | 下载了x86_64版本，但系统是ARM架构 | 确认 uname -m 输出为x86_64或aarch64 |
| 在WSL1中安装CUDA | WSL1不支持GPU直通，无法使用CUDA | 使用WSL2并安装NVIDIA WSL驱动 |
| 驱动安装后未重启 | nvidia-smi显示“No devices found” | 安装驱动后必须重启系统 |
| 使用系统包管理器安装驱动 | 版本过旧或与CUDA不匹配 | 从NVIDIA官网下载对应驱动 |
复盘一个典型失败场景：某用户在一台配备GTX 1060（计算能力6.1）的旧机器上安装Ubuntu 22.04，然后直接下载CUDA 12.6。安装过程中没有报错，但运行 nvcc -V 显示版本正常，执行 deviceQuery 却提示“CUDA driver version is insufficient”。原因在于Ubuntu 22.04自带的NVIDIA驱动是515版本，仅支持CUDA 11.7。解决方法是先通过“软件和更新”或NVIDIA官网升级驱动至550+，再重新安装CUDA 12.6。
另一个容易被忽略的点是PATH环境变量。安装CUDA后，需要将 /usr/local/cuda/bin 加入PATH，并将 /usr/local/cuda/lib64 加入LD_LIBRARY_PATH。否则即使安装成功，终端也找不到 nvcc 命令。建议在 ~/.bashrc 中添加：
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH完成以上所有检查后，你的系统就具备了安装CUDA Toolkit的充分条件。接下来可以放心地进入实际安装环节，而不会因为基础环境不匹配导致反复折腾。