# 05 PyTorch 验证

## 目标

装 PyTorch + cu128，验证能调用 5060 Ti。

> **本机实测版本**（2026-06-14）：
> - Python 3.11.15
> - torch 2.12.0
> - torchvision 0.27.0
> - torchaudio 2.11.0
> - triton 3.7.0
> - CUDA Toolkit 12.8（系统层） + CUDA Runtime 13.0.96（PyTorch 自带）
> - 下载耗时：5 分钟（清华源代理）

## 装 venv

**WSL2 Ubuntu 终端**：
```bash
cd /mnt/d/llm-code
uv venv --python 3.11 .venv
source .venv/bin/activate
```
**应当看到**命令行前缀变成 `(.venv) eric@...`。

## 装 PyTorch（用清华源代理，国内最快）

```bash
uv pip install torch torchvision torchaudio \
  --index-url https://download.pytorch.org/whl/cu128 \
  --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple
```

| 参数 | 用途 |
|------|------|
| `--index-url` | 强制走 PyTorch 官方源（拉 cu128 专用 wheel）|
| `--extra-index-url` | 补充源，其他依赖走清华（`pypi.tuna.tsinghua.edu.cn`）|

**不要**同时加 `--index-url` 和 `-i`，uv 会报"重复"。

**预计 5-15 分钟**（约 2.5 GB 下载）。

### 实机安装日志（2026-06-14）

```
Resolved 33 packages in 2.11s
Prepared 33 packages in 5m 00s
Installed 33 packages in 5m 19s
+ torch==2.12.0
+ torchaudio==2.11.0
+ torchvision==0.27.0
+ triton==3.7.0
+ nvidia-cublas==13.1.1.3
+ nvidia-cuda-runtime==13.0.96
+ nvidia-cudnn-cu13==9.20.0.48
+ nvidia-nccl-cu13==2.29.7
+ ...（共 33 个包，含 NVIDIA 13.x 系列 CUDA 库）
```

> **注意**：装 PyTorch 2.12 时它**自动拉了 CUDA 13.x 的运行时包**（cublas/cudnn/nccl 等），但**用的是系统层的 CUDA Toolkit 12.8**（`nvcc`）来编译扩展。这两套并存，**没问题**——PyTorch 编译时认 12.8，运行用 13.0，版本对得上。

## 验证（关键！）

```bash
python -c "import torch; print('CUDA:', torch.cuda.is_available(), '| GPU:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'NONE')"
```

**应输出**：
```
CUDA: True | GPU: NVIDIA GeForce RTX 5060 Ti
```

### 实机输出（2026-06-14）

```
(.venv) eric@ERIC-GEM12:/mnt/d/llm-code$ python -c "import torch; print('CUDA:', torch.cuda.is_available(), '| GPU:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'NONE')"
CUDA: True | GPU: NVIDIA GeForce RTX 5060 Ti
```

✅ **PyTorch 链路全打通**。

## 跑个真测试（确认能算东西）

```bash
python -c "
import torch
x = torch.randn(1000, 1000, device='cuda')
y = torch.randn(1000, 1000, device='cuda')
z = x @ y
print('矩阵乘法 OK, 形状:', z.shape, '设备:', z.device)
print('显存占用:', torch.cuda.memory_allocated()/1e9, 'GB')
"
```

**应输出**：
```
矩阵乘法 OK, 形状: torch.Size([1000, 1000]) 设备: cuda:0
显存占用: 8.0... GB
```

## 镜像版本必须匹配

| torch | torchvision | torchaudio |
|------|------|------|
| 2.7.0 | 0.22.0 | 2.7.0 |
| 2.7.1 | 0.22.1 | 2.7.1 |
| 2.8.0 | 0.23.0 | 2.8.0 |

**不要混搭**（如 torch 2.7.1 + torchvision 0.22.0，会出兼容警告）。

## 常见问题

### 输出 `CUDA: False`

按顺序排查：
1. `nvidia-smi` 在 WSL2 能不能看到卡
2. `nvcc --version` 是不是 12.8
3. 重新装一遍 PyTorch（可能是装时网络断了，下了不完整的 wheel）

### 装时报 `pip` 相关错

```bash
deactivate
uv venv --python 3.11 .venv --clear
source .venv/bin/activate
# 重装
```

### 装完 import 报 `libcudart.so not found`

CUDA Toolkit 没装好，回到 [03 WSL2 + CUDA 12.8](./03-wsl2-ubuntu.md) 重新装。

## 下一步

✅ 通过后 → [06 ComfyUI 装出图](./06-comfyui-image.md)