概述
我的cuda 版本是 12x 的，对齐版本，故 cupy 也是 12x 版本, 12代表 cuda 大的版本号，x 代表小的版本号可以不同，用一个变量 x 代表。
cupy 依赖 CUDA Toolkit 12.x ，在 ubuntu24.04 下，它的名字是：nvidia-cuda-toolkit ，使用 apt show 查看一下软件的版本：
(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，安装：apt install nvidia-cuda-toolkit
再转入到针对 pytorch 设置的虚拟 pip 环境，我的环境名就是 torch
先在网站pypi.org 查看一下具体的安装包名称，得知是：cupy-cuda12x
然后安装：pip install cupy-cuda12x
pypi说明
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
网站教人安装软件都是从零开始，完全不考虑或考虑很少的主机系统因素，因为这个充满不确定，为了广泛性，故考虑的少。但实际安装时，都有一个具体的系统，如 debian、ubuantu、redhat等等。
如果看管了网页的教程，就很少去看系统的软件库提供了那些软件，它们之间是如何配合的，心里想得就是：只要按照网页说的一步一步来，就保证安装好，为啥要在花心思去看系统的软件库。
网页教程的作者也是同样的心思，知道读者的想法，也是用这个思路去写教程。
但实际上，系统的软件库很好用，缺点是专有性太强，不能普及，因为大家用的系统都不太一样，或者版本不一样。
系统的软件库作者，有他们一套组织方法，处理冲突、依赖的一贯作风，慢慢学着用系统的软件库，也挺好，虽然有时和最新的软件落后一点，但图的就是方便、省事。