PyTorch 的 CUDA 运行时 vs 完整 CUDA Toolkit

项目：https://github.com/Ruyi-Zha/r2_gaussian

提问：

pip install torch==2.1.2+cu118 torchvision==0.16.2+cu118 –extra-index-url https://download.pytorch.org/whl/cu118，这个不是已经在conda虚拟环境中安装好了cuda11.8吗？为什么还会有问题

pip install torch==2.1.2+cu118 安装的是PyTorch 内置的 CUDA 运行时，而非完整的 CUDA Toolkit（含nvcc编译器）—— 这是核心误解！

文章目录 隐藏

1 关键区别：PyTorch 的 CUDA 运行时 vs 完整 CUDA Toolkit

2 为什么仍有问题？

3 总结

关键区别：PyTorch 的 CUDA 运行时 vs 完整 CUDA Toolkit

内容	PyTorch 内置的 CUDA（cu118 包）	完整 CUDA Toolkit（系统 /conda 安装）
包含内容	仅 CUDA 运行时库（供 PyTorch 调用 GPU）	运行时库 + nvcc编译器 + 头文件 + 开发工具
用途	支持 PyTorch 代码运行（如torch.cuda）	编译 CUDA 扩展（如simple-knn、rasterize）
是否有nvcc	❌ 无编译器	✅ 有nvcc编译器

为什么仍有问题？

你通过 pip 安装的 PyTorchcu118包，只是让 PyTorch 自身能调用 CUDA 11.8 运行，但编译自定义 CUDA 扩展（如项目中的simple-knn）时，需要：

1. nvcc编译器（PyTorch 包不含）；
2. nvcc版本需与 PyTorch 绑定的 CUDA 版本（11.8）匹配。

而你的系统 / 环境中，nvcc实际是 12.x（来自系统或 conda 的其他 CUDA），导致版本校验失败，编译被拦截。

总结

• PyTorch 的cu118包不提供nvcc，仅解决 “运行时” 的 CUDA 依赖；
• 编译 CUDA 扩展必须依赖完整的 CUDA Toolkit（含nvcc），且版本需与 PyTorch 的 CUDA 版本一致；
• 之前的问题本质是：缺 11.8 版本的nvcc，而非缺 CUDA 运行时。

作者： 高志远

高志远，24岁，男生 查看高志远的所有文章