- 首先讲一下报错的原因PyTorch高版本对显卡算力是有所要求的，驱动程序只是从软件角度去利用显卡，显卡的算力是不会改变的，报错就在于显卡的算力太低。这里就涉及到了NVIDIA GPU CUDA的compute capability，这是一个类似版本的概念。不同型号的GPU的compute capability不同。
- 其次解决办法就是使用低版本的PyTorch,或者更换新显卡。目前官方列出的清单（GPU Compute Capability）上，较低的为2.1，都是较早的GPU型号，如：GT430, GT630, GT730 DDR3 128bit；较高的可达7.5，都是较新的GPU型号，如：RTX 2080, RTX 2070等。下面给出显卡算力的查看方法：
NVIDIA开发者网站上的CUDA GPU Compute Capability列表：
?
而实验室的台式机是老旧的GT730 (GDDR5)显卡，虽然平时只是调试代码用，性能差能接受，不过这Compute Capability还停留在3.5，PyTorch中不再支持3.5及其以下的compute capability，因此已经无法支持今年的PyTorch版本。 -
除了降低版本外，也可以使用实验室服务器的显卡，这就需要pycharm与anaconda的帮助了，同时你需要提前注册一个服务器账号。