五月天丁香西瓜视频 Windows系统从零树立Python环境，装配CUDA、CUDNN、PyTorch翔实教程
干预anaconda官网：https://www.anaconda.com/
图片
点击 download 下载文献，我这里是 Anaconda3-2022.10-Windows-x86_64.exe（后续更新版块exe文献会有鉴别）下载后翻开 .exe 文献下载 anaconda：
图片
图片
图片
接纳装配旅途（用默许的旅途也不错）：
图片
这里两个齐选：
图片
然后装配就不错了。
1.2 检查环境装配告成翻开 cmd，输入 conda（如果是下图这么就讲明 anaconda 装配告成了）：
图片
输入 python，这里不错检察 Python 的版块：图片
1.3 创建造谣环境在 cmd 中输入 conda create -n 环境名 python==版块号，如：conda create -n pytorch python==3.9.13（这里我自界说环境名为 pytorch，python 版块为 3.9.13）
图片
输入 y
图片
创建完即是这么的：
图片
1.4 干预/退出 刚刚创建的环境干预环境：输入 conda activate 环境名，如 conda activate pytorch
图片
退出环境：输入 conda deactivate图片
1.5 其它操作 1.5.1 检察电脑上总计已创建的环境conda info --env
图片
1.5.2 删除已创建的环境conda remove -n 环境名 --all
图片
2 装配 CUDA 和 CUDNN 2.1 检察我方电脑守旧的 CUDA 版块可参考：若何检察我方电脑现时版块CUDA 可兼容的最高版块
图片
这就讲明我的电脑不错装配的 CUDA 版块不错是 11.7.1 及以下的版块。
2.2 装配 CUDA坑诰先去 pytorch 官网看下现在不错径直用提示装配的 CUDA 版块（主如果为了通俗后续操作），此外，https://pytorch.org/get-started/previous-versions/ 也提供了往时版块的装配提示：
图片
看 Compute Platform，有 CUDA 11.6 和 CUDA 11.7，而况我电脑守旧的最高 CUDA 版块为 11.7.1，是以后续装配时就安 11.6 或 11.7 版块的 CUDA。
赶赴 CUDA 官网：https://developer.nvidia.com/cuda-toolkit-archive
这里以 11.7.0 版块为例：
图片
按如下接纳（Installer Type两种齐不错，因为是外洋网站，下载用外网，如果速率慢的话就选 exe(network)）：
图片
下载完后履行 .exe 文献。
字据我方需求接纳是否革新装配旅途：
图片
图片
图片
接纳自界说：
图片
这个毋庸管，点下一步就行：
图片
接纳装配位置（这里我改了旅途，用默许的也不错，这个旅途要记取，后续要用）：
图片
图片
图片
图片
至此 CUDA 装配界限。
2.3 装配 CUDNN干预官网：https://developer.nvidia.com/rdp/cudnn-download
图片
先登录/注册账号，然后按如下接纳：图片
将下载后的 zip 文献解压，里面的执行如下：
图片
找到刚才装配 CUDA 时接纳的装配位置：
图片
然后将 CUDNN 中 bin 文献夹中的总计文献复制到 .../CUDA/v11.7/bin 中； CUDNN 中 include 文献夹中的总计文献复制到 .../CUDA/v11.7/include 中； CUDNN 中 lib/x64 文献夹中的总计文献复制到 .../CUDA/v11.7/lib/x64 中。
至此 CUDNN 装配界限。
2.4 检查 CUDA 装配告成（检察 GPU 使用率、显存占用情况）在 cmd 中输入 nvidia-smi，同期这个提示也不错检察 GPU 的一些信息，如果出现如下界面就讲明 CUDA 装配告成了，这是最佳的（但概况有的电脑会报错 'nvidia-smi'不是里面或外部敕令，这不一定就示意 CUDA 装配失败了，不错搜一下科罚决议，或者暂时毋庸管，赓续往后作念，即使装配失败也不会影响后续的操作，背面装配完 pytorch 后还能用其他代码检查 CUDA 是否可用）。
图片
3 装配 PyTorch 3.1 装配 PyTorch干预官网：https://pytorch.org/
点击 Install：
图片
按如下接纳（CUDA 版块要对应），下图中 Run this Command 中的提示后续要用到：图片
翻开 cmd，干预之前创建的 Python 环境，输入 conda activate 环境名，如：conda activate pytorch
干预环境后输入提示（开始于上图）：conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia（这里要挂下外网，否则装配很慢的，莫得条目的话请移步 【3.3 其它门径】。宝贵，不要像一些教程那样用清华源，用清华源装配的 pytorch 莫得 GPU 版块的，全是依靠 CPU 的，GPU 和 CPU 的算力差距很大，跑深度学习代码时用 CPU 能慢死）
图片
输入 y：图片
然后恭候装配就不错了，装配完是这么的：
图片
3.2 检查装配是否告成可输入如下提示：
import torch print(torch.version.cuda) # 检察 CUDA 版块 print(torch.cuda.is_available()) # 检察 CUDA 是否可用（即检修时是否可用 GPU） print(torch.cuda.device_count()) # 检察可行的 CUDA 数量
图片
3.3 其它门径如果莫得加快器挂不了外网的话操作就比拟拒绝了。这里再强调一遍！！！不要像一些教程那样用清华源，用清华源装配的 PyTorch 莫得 GPU 版块的，全是依靠 CPU 的，跑深度学习代码时用 CPU 很慢。
在 PyTorch 官网中接纳 Pip 的门径，找到如下网址：
图片
然后咱们干预翻开这个网址，也即是 https://download.pytorch.org/whl/cu117
里面即是这么的：
图片
咱们需要我方下载的文献即是 torch，torchvision，torchaudio
然后咱们先点击干预 torch，找到如下位置（字据我方的 CUDA 版块、python 版块找到相应的文献，cu117 指的是 CUDA 版块为 11.7，cp39 指的是 python 版块为 3.9，版块一定要对应上），点击下载：
图片
torchvision和torchaudio 同理：
图片
图片
然后咱们把这三个 .whl 文献吹法螺放到一个文献夹下：
图片
然后翻开 cmd，干预到这个文献夹，用 pip install 刚刚下载的文献 装配：
pip install torch-1.13.1+cu117-cp39-cp39-win_amd64.whl pip install torchvision-0.14.1+cu117-cp39-cp39-win_amd64.whl pip install torchaudio-0.13.1+cu117-cp39-cp39-win_amd64.whl
图片
4 在 PyCharm 中使用 PyTorch领先新建名目，按如下才气操作：
图片
🐟距离 劳动节(2025-5-1) 放假还有16天
图片
图片
然后点击 Create 创建名目即可
可通过以下代码测试使用 PyTorch：
import torch
print(torch.version.cuda) # 检察 CUDA 版块
print(torch.cuda.is_available()) # 检察 CUDA 是否可用（即检修时是否可用 GPU）
print(torch.cuda.device_count()) # 检察可行的 CUDA 数量
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3, 3).cuda())
图片
5 良友 Linux 行状器树立 PyTorch良友行状器树立 Anaconda 并装配 PyTorch 翔实教程五月天丁香西瓜视频
本站仅提供存储行状，总计执行均由用户发布，如发现存害或侵权执行，请点击举报。