驱动和 CUDA 版本怎么选？要自己装 CUDA 吗？

不用自己装 CUDA。驱动装新一点，框架用官方预编译包；CUDA 版本只有自编扩展时才需要管。站内他测最常见的口径是驱动 580 + CUDA 12。

结论先行：普通用户只要三样——最新稳定版驱动、框架官方预编译包、模型文件。CUDA Toolkit 本身不用装（驱动里已经有 runtime），PyTorch 的 pip 包也自带 CUDA runtime。

什么时候才需要关心 CUDA 版本：自己编译带 CUDA 扩展的项目、需要和特定框架版本对齐（老项目锁 cu118 / cu121）、或在报 CUDA 版本的错配错误。站内他测条目里最常见的系统口径是「驱动 580 / CUDA 12」（8 条条目这么写），但那是作者环境，不是要求你跟。

驱动版本的原则：越新越好，但有两个例外——一是老卡（如 Pascal 架构的 P100 / P40）在新驱动上可能被砍支持，这时要回退到仍支持该架构的版本；二是生产环境别追最新，等一个版本跑稳了再升。

典型症状对照：装完 nvidia-smi 正常但框架报找不到 CUDA → 版本错配或容器缺 toolkit；nvidia-smi 直接报错 → 驱动没装好或没重启；跑起来特别慢且显存占用异常 → 先看是不是走了 CPU offload（看启动日志的 offload 行数）。

遇到「起不来」的报错，去本站故障排查按报错原文搜（驱动不匹配、框架版本混装、环境变量把卡藏起来了各有各的症状）；把 nvidia-smi 输出、框架版本、启动命令贴出来，比描述「跑不起来」有用得多。