哪些框架依赖CUDA版本

很多深度学习/科学计算框架都强依赖 CUDA 版本，而且不同版本之间经常不兼容。下面按常见框架系统梳理一下，并注明典型 CUDA 依赖关系，方便你对照。

一、强依赖 CUDA 的主流框架

1️⃣ PyTorch（最常见）

PyTorch 对 CUDA 版本非常敏感

✅ 特点：

• CUDA 必须匹配
• 官方提供 cu11x / cu12x 预编译版本
• torch.version.cuda 可查看

⚠️ 常见坑：

NVIDIA driver 支持 CUDA 12，但 PyTorch 编译的是 CUDA 11 → 不兼容

2️⃣ TensorFlow

TensorFlow 对 CUDA / cuDNN 要求非常严格

✅ 特点：

• CUDA + cuDNN 必须同时匹配
• 官方文档有严格对照表

3️⃣ JAX

JAX 的 GPU 支持依赖 CUDA

✅ 特点：

• 使用 jax[cuda] 或 jaxlib
• 对驱动版本要求高

4️⃣ MMCV / MMDetection / MMYOLO（OpenMMLab）

强依赖 PyTorch + CUDA

• CUDA 版本 = PyTorch 编译时的 CUDA
• 常见错误：

CUDA version mismatch: PyTorch compiled with CUDA 11.7

5️⃣ NVIDIA 官方框架

这些直接绑定 CUDA：

二、部分依赖或可选 CUDA 的框架

6️⃣ XGBoost / LightGBM（GPU 版）

• 需要 CUDA 编译
• 不装 CUDA → 只能用 CPU

7️⃣ OpenCV (CUDA 版本)

• opencv-contrib-cuda
• 必须 手动编译
• 和 CUDA 强绑定

8️⃣ ONNX Runtime (GPU)

9️⃣ PaddlePaddle

三、不直接依赖 CUDA 的框架

✅ 但 底层仍可能间接依赖

• scikit-learn（CPU）
• Hugging Face Transformers（依赖 PyTorch）
• Keras（依赖 TensorFlow）

四、如何快速判断一个框架是否依赖 CUDA？

✅ 方法 1：看是否支持 GPU

nvidia-smi

✅ 方法 2：看官方安装命令

pip install torch --index-url https://download.pytorch.org/whl/cu118

✅ 方法 3：查看编译信息

import torch
print(torch.version.cuda)

五、总结一句话

凡是涉及 GPU 训练的深度学习框架，几乎都强依赖 CUDA 版本，且版本必须严格匹配。
如果你愿意，可以告诉我：

• ✅ 你的 显卡型号
• ✅ 驱动版本
• ✅ 想用的 框架 + 版本

我可以帮你直接给出 最稳的 CUDA + 框架组合。