概述
我的cuda 版本是 12x 的，對齊版本，故 cupy 也是 12x 版本, 12代表 cuda 大的版本號，x 代表小的版本號可以不同，用一個變數 x 代表。
cupy 依賴 CUDA Toolkit 12.x ，在 ubuntu24.04 下，它的名字是：nvidia-cuda-toolkit ，使用 apt show 檢視一下軟體的版本：
(torch) logic@PC:~$ apt show nvidia-cuda-toolkit
Package: nvidia-cuda-toolkit
Version: 12.0.140~12.0.1-4build4
...（略）
版本一致，可以使用，安裝：apt install nvidia-cuda-toolkit
再轉入到針對 pytorch 設定的虛擬 pip 環境，我的環境名就是 torch
先在網站pypi.org 檢視一下具體的安裝包名稱，得知是：cupy-cuda12x
然後安裝：pip install cupy-cuda12x
pypi說明
CuPy : NumPy & SciPy for GPU
CuPy is a NumPy/SciPy-compatible array library for GPU-accelerated computing with Python.
This is a CuPy wheel (precompiled binary) package for CUDA 12.x. You need to install CUDA Toolkit 12.x to use these packages.
If you have another version of CUDA, or want to build from source, refer to the Installation Guide for instructions.
小感慨
網站教人安裝軟體都是從零開始，完全不考慮或考慮很少的主機系統因素，因為這個充滿不確定，為了廣泛性，故考慮的少。但實際安裝時，都有一個具體的系統，如 debian、ubuantu、redhat等等。
如果看管了網頁的教程，就很少去看系統的軟體庫提供了那些軟體，它們之間是如何配合的，心裡想得就是：只要按照網頁說的一步一步來，就保證安裝好，為啥要在花心思去看系統的軟體庫。
網頁教程的作者也是同樣的心思，知道讀者的想法，也是用這個思路去寫教程。
但實際上，系統的軟體庫很好用，缺點是專有性太強，不能普及，因為大家用的系統都不太一樣，或者版本不一樣。
系統的軟體庫作者，有他們一套組織方法，處理衝突、依賴的一貫作風，慢慢學著用系統的軟體庫，也挺好，雖然有時和最新的軟體落後一點，但圖的就是方便、省事。