更新利用torch 版本拉取相关依赖我此处的版本是torch2.11.0cu130注意对齐自己的版本不要盲目复制pip downloadtorch2.11.0cu130-d./wheels\--extra-index-url https://download.pytorch.org/whl/cu130\-ihttps://pypi.tuna.tsinghua.edu.cn/simple\--trusted-host pypi.tuna.tsinghua.edu.cn以下是之前的旧命令当时利用torch版本拉取相关依赖总是报错才用这种原始方式单独获取。而且还获取的包不太对劲不推荐看了。在WSL端的项目文件夹下执行pip download\--find-links ./wheels\--only-binary:all:\--platformmanylinux_2_27_x86_64\--trusted-host download.pytorch.org\--trusted-host pypi.tuna.tsinghua.edu.cn\--index-url https://download.pytorch.org/whl/cu130\--extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple/\nvidia-cudnn-cu13 nvidia-cublas-cu13 nvidia-cuda-runtime-cu13 nvidia-cuda-nvrtc-cu13 nvidia-cuda-cupti-cu13 nvidia-cusolver-cu13 nvidia-cusparse-cu13 nvidia-curand-cu13 nvidia-cufft-cu13 nvidia-nvtx-cu13 nvidia-nvjitlink-cu13 nvidia-nccl-cu13另外几个用pip download\nvidia-nvshmem-cu13\nvidia-cusparselt-cu13\nvidia-nvtx-cu13\-d./wheels\--platformmanylinux2014_x86_64\--only-binary:all:\--trusted-host pypi.tuna.tsinghua.edu.cn\--trusted-host download.pytorch.org\--index-url https://download.pytorch.org/whl/cu130\--extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple/即可将nvidia_*_cu13系列下载到 app/wheels下面。(app指你的工程项目名称)1、文件名带 cu13-0.0.0a0 的包2026/7/18 新文件 是给 PyTorch cu130 配套的官方 runtime 依赖包可以正常用于 cu130 命名里的 cu13 是简写对应 CUDA 13.0cu130版本号 0.0.0a0 是 NVIDIA 打包这套轻量化运行时的特殊 alpha 版本格式是 PyTorch cu130 wheel 内置依赖 这类包是跨平台 any 架构none-any.whl只提供运行时库用来满足 PyTorch cu130 推理、基础算子运行需求。2、文件名带 cu12-xxx 的包2026/6/18 旧文件 不能给 cu130 配套使用是 CUDA 12.4 版本的依赖包对应旧 cu124/cu126 PyTorch 前缀 cu12 CUDA 12 系列库版本 12.4.127底层 API、PTX、符号和 13.0 不互通 如果你环境是 cu130强行安装 cu12 系列包会出现算子加载失败、cublas/cudnn 符号找不到、自定义编译报错、cuda runtime 版本冲突崩溃。3、额外细节图里还有 cudnn-13.6.0.2、cudnn-13.9.24.0 这类更高版本 cu13 cudnn 包同样兼容 cu130是升级后的 cudnn 运行时4.环境和wheel包关系cu130 环境 → 只留所有cu13-0.0.0a0.whl、cu13 系列 cudnn 包cu124环境 → 只留 cu12-12.4.* 系列 whl本地 Toolkit 版本必须和 PyTorch 编译基线对齐cu130Toolkit13.0不能用 其他版本
下载nvidia_*_cu13的指令（更新：利用torch 版本拉取相关依赖）
更新利用torch 版本拉取相关依赖我此处的版本是torch2.11.0cu130注意对齐自己的版本不要盲目复制pip downloadtorch2.11.0cu130-d./wheels\--extra-index-url https://download.pytorch.org/whl/cu130\-ihttps://pypi.tuna.tsinghua.edu.cn/simple\--trusted-host pypi.tuna.tsinghua.edu.cn以下是之前的旧命令当时利用torch版本拉取相关依赖总是报错才用这种原始方式单独获取。而且还获取的包不太对劲不推荐看了。在WSL端的项目文件夹下执行pip download\--find-links ./wheels\--only-binary:all:\--platformmanylinux_2_27_x86_64\--trusted-host download.pytorch.org\--trusted-host pypi.tuna.tsinghua.edu.cn\--index-url https://download.pytorch.org/whl/cu130\--extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple/\nvidia-cudnn-cu13 nvidia-cublas-cu13 nvidia-cuda-runtime-cu13 nvidia-cuda-nvrtc-cu13 nvidia-cuda-cupti-cu13 nvidia-cusolver-cu13 nvidia-cusparse-cu13 nvidia-curand-cu13 nvidia-cufft-cu13 nvidia-nvtx-cu13 nvidia-nvjitlink-cu13 nvidia-nccl-cu13另外几个用pip download\nvidia-nvshmem-cu13\nvidia-cusparselt-cu13\nvidia-nvtx-cu13\-d./wheels\--platformmanylinux2014_x86_64\--only-binary:all:\--trusted-host pypi.tuna.tsinghua.edu.cn\--trusted-host download.pytorch.org\--index-url https://download.pytorch.org/whl/cu130\--extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple/即可将nvidia_*_cu13系列下载到 app/wheels下面。(app指你的工程项目名称)1、文件名带 cu13-0.0.0a0 的包2026/7/18 新文件 是给 PyTorch cu130 配套的官方 runtime 依赖包可以正常用于 cu130 命名里的 cu13 是简写对应 CUDA 13.0cu130版本号 0.0.0a0 是 NVIDIA 打包这套轻量化运行时的特殊 alpha 版本格式是 PyTorch cu130 wheel 内置依赖 这类包是跨平台 any 架构none-any.whl只提供运行时库用来满足 PyTorch cu130 推理、基础算子运行需求。2、文件名带 cu12-xxx 的包2026/6/18 旧文件 不能给 cu130 配套使用是 CUDA 12.4 版本的依赖包对应旧 cu124/cu126 PyTorch 前缀 cu12 CUDA 12 系列库版本 12.4.127底层 API、PTX、符号和 13.0 不互通 如果你环境是 cu130强行安装 cu12 系列包会出现算子加载失败、cublas/cudnn 符号找不到、自定义编译报错、cuda runtime 版本冲突崩溃。3、额外细节图里还有 cudnn-13.6.0.2、cudnn-13.9.24.0 这类更高版本 cu13 cudnn 包同样兼容 cu130是升级后的 cudnn 运行时4.环境和wheel包关系cu130 环境 → 只留所有cu13-0.0.0a0.whl、cu13 系列 cudnn 包cu124环境 → 只留 cu12-12.4.* 系列 whl本地 Toolkit 版本必须和 PyTorch 编译基线对齐cu130Toolkit13.0不能用 其他版本
