PyTorch が使う CUDA バージョンと、あなたの PC にインストールされている NVIDIA ドライバがその CUDA に対応していれば、CUDA Toolkit のインストールは基本的に不要です。

逆に、ドライバのバージョンが合っていない場合や、他のツールで CUDA をビルド・開発に使いたい場合には、CUDA Toolkit のインストールが必要になることがあります。

CUDA Toolkit とは、GPU 上での並列計算を行うために必要な以下のような要素をまとめた「開発者向けの総合セット」です

開発用ヘッダファイルやドキュメント
コンパイラ（nvcc）
ライブラリ（cuBLAS, cuDNNなど）
サンプルコードやデバッグツール

方法①：CUDA Toolkitを ダウングレードして使う方法（推奨）

• 【おすすめ】CUDA 11.8 を別途インストールして、それに対応したPyTorchを使う方法。
• 環境が安定しやすく、多くのツールが対応済み。

 CUDA 11.8 ダウンロード： NVIDIA CUDA 11.8 ダウンロードページ

注意：CUDAのバージョン ≠ GPUのドライバ

 CUDA Toolkitのバージョンをインストールしても、GPUのドライバはそれに合わせる必要はありません。

→ この方法は、、PyTorch 側も CUDA 11.8 対応ビルドをインストールし、CUDA 11.8 Toolkitを手動で入れるパターンです。

手順まとめ（Windows / Linux 共通の考え方）

① CUDA 11.8 Toolkit のインストール

1. NVIDIA公式サイトからダウンロード
    https://developer.nvidia.com/cuda-11-8-0-download-archive
2. OSを選択し、インストール方法に従ってセットアップ
3. インストール後、以下コマンドで確認

Windows

nvcc --version

Linux

nvcc --version

これで release 11.8 と出ればOKです。

② PyTorch（CUDA 11.8対応ビルド）のインストール

PyTorch 公式のインストールページからコマンドを生成できます
  https://pytorch.org/get-started/locally/

以下は一例（pip使用、Python 3.10環境の場合）

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

cu118 = CUDA 11.8対応ビルド

③ NVIDIAドライバの互換性を確認

PyTorch + CUDA 11.8を使うには、NVIDIAドライバがバージョン ≥ 512.0 である必要があります。

確認方法

Windows

nvidia-smi

Linux

nvidia-smi

出力の Driver Version をチェックしましょう。

使用確認（PyTorchがGPU + CUDA 11.8を使っているか）

import torch
print(torch.version.cuda)            # → '11.8'
print(torch.cuda.is_available())     # → True（ならOK）
print(torch.cuda.get_device_name(0)) # GPU名表示

補足：Toolkitが必要なケースとは？

• PyTorchをビルドする（＝開発者向け）
• 他のC++/CUDAベースのAIツール（例：TensorRT、xformersなど）を自分でビルドする
• nvcc や libcudart などが必要なツールを使う

単純に PyTorch + GPU 推論だけなら、Toolkitなしでも PyTorch の cu118 ビルドで完結します。

方法②：CUDA 12.1 に対応するPyTorch「CUDAバージョン付きビルド」をインストールする方法

「CUDAバージョン付きビルド」とはPyTorch公式が「このバージョンのPyTorchは、このCUDAバージョンで動作するようにビルドされていますよ」と用意している事前ビルド済みパッケージのことです。「CUDAバージョン付きビルド」を使えば、Toolkitも不要


  CUDA 12.1 にも対応できるなら、この方法もOKです。
※一部機能やツールとの互換性に注意が必要です。

PyTorch公式からインストールコマンドを選ぶ場合の設定（おすすめ）

生成されたコマンドの例

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

このように cu121（＝CUDA 12.1）版を明示すれば、PyTorch内部で必要なランタイム「CUDAランタイム（*.dllなど）」が用意されるため、Toolkitインストールは不要で、CUDA Toolkitを別途インストールしなくても、PyTorch内部でCUDAが動くようになります。

注意点：ほかのソフトと共存する環境では、明示的にToolkitを使う方が安定することも。

方法③：WSL（Linux仮想環境）を使う ※Windowsユーザーの場合

Windows上でLinuxを“仮想環境”として動かせる機能”WSL（Windows Subsystem for Linux）は、「Windowsの中でLinuxが動く箱」を実際にLinuxをインストールせずに使うイメージです。

WSLとは？

WSLは「WindowsでLinux専用ツールを動かすための橋渡し」です。

WSLでできること（画像生成やAI用途向け）

• PythonやPyTorchをLinux環境で扱える
• UbuntuなどのLinuxディストリビューションをWindows上で起動できる
• 通常のLinuxコマンド（pip, apt, git, python など）が使える
• GPU（NVIDIA製）を持っていれば、WSL + CUDA対応で高速処理も可能（WSL2 + GPU対応ドライバ必須）
• Gitなどの開発ツールをLinux用に使える
• CUDA対応のモデルも動かせる（WSL2 + GPU対応ドライバが必要）
• コンテナ（Docker）で環境管理しやすい ←画像生成系では便利！

WSLのざっくり構成イメージ

┌─────────────────────┐
│     Windows 11       │
│  ┌─────────────┐   │
│  │   WSL2 (Ubuntu)  │ ← Linux環境（ここでAIモデル実行）  
│  └─────────────┘   │
│     ↕ ファイル共有可      │
└─────────────────────┘

WSLを使うメリット

• LinuxのAIツールがそのまま使える
• Windowsに環境を汚さず構築できる
• 複数のLinux環境を切り替え可能
• GPU対応もOK（NVIDIAの専用ドライバで）

WSLの注意点

• 最初に少しセットアップが必要（でも1回やればOK）
• WSL2（最新版）＋GPUドライバが必要（GPUを使うなら）
• Linuxコマンドに少し慣れると快適

WSL導入の流れ

1. PowerShellを管理者権限で開くwsl --install
2. 再起動 → Ubuntuなどを選択
3. Linuxの初期設定（ユーザー名など）
4. 必要なツールやAIライブラリをインストール（PyTorch、CUDAなど