直播大屏秀
发布日期：2025-12-17 13:24 点击次数：114投入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文献会有分手）下载后掀开 .exe 文献下载 anaconda：
图片
图片
图片
聘请安设旅途（用默许的旅途也不错）：
图片
这里两个王人选：
图片
然后安设就不错了。
1.2 查验环境安设告成掀开 cmd，输入 conda（如果是下图这么就诠释 anaconda 安设告成了）：
图片
输入 python，这里不错稽察 Python 的版块：图片
1.3 创建虚构环境在 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
创建完便是这么的：
图片
1.4 投入/退出 刚刚创建的环境投入环境：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 稽察电脑上统统已创建的环境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 安设 CUDA 和 CUDNN 2.1 稽察我方电脑援救的 CUDA 版块可参考：怎么稽察我方电脑现时版块CUDA 可兼容的最高版块
图片
这就诠释我的电脑不错安设的 CUDA 版块不错是 11.7.1 及以下的版块。
2.2 安设 CUDA淡薄先去 pytorch 官网看下当今不错径直用教导安设的 CUDA 版块（主若是为了节略后续操作），此外，https://pytorch.org/get-started/previous-versions/ 也提供了往日版块的安设教导：
图片
看 Compute Platform，有 CUDA 11.6 和 CUDA 11.7，而况我电脑援救的最高 CUDA 版块为 11.7.1，是以后续安设时就安 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
按如下聘请（Installer Type两种王人不错，因为是海外网站，下载用外网，如果速率慢的话就选 exe(network)）：
图片
下载完后扩充 .exe 文献。
凭证我方需求聘请是否鼎新安设旅途：
图片
图片
图片
聘请自界说：
图片
这个无须管，点下一步就行：
图片
聘请安设位置（这里我改了旅途，用默许的也不错，这个旅途要记着，后续要用）：
图片
图片
图片
图片
至此 CUDA 安设法则。
2.3 安设 CUDNN投入官网：https://developer.nvidia.com/rdp/cudnn-download
图片
先登录/注册账号，然后按如下聘请：图片
将下载后的 zip 文献解压，里面的本体如下：
图片
找到刚才安设 CUDA 时聘请的安设位置：
图片
然后将 CUDNN 中 bin 文献夹中的统统文献复制到 .../CUDA/v11.7/bin 中； CUDNN 中 include 文献夹中的统统文献复制到 .../CUDA/v11.7/include 中； CUDNN 中 lib/x64 文献夹中的统统文献复制到 .../CUDA/v11.7/lib/x64 中。
至此 CUDNN 安设法则。
2.4 查验 CUDA 安设告成（稽察 GPU 使用率、显存占用情况）在 cmd 中输入 nvidia-smi，同期这个教导也不错稽察 GPU 的一些信息，如果出现如下界面就诠释 CUDA 安设告成了，这是最佳的（但轻率有的电脑会报错 'nvidia-smi'不是里面或外部敕令，这不一定就暗示 CUDA 安设失败了，不错搜一下处理有野心，或者暂时无须管，不竭往后作念，即使安设失败也不会影响后续的操作，背面安设完 pytorch 后还能用其他代码查验 CUDA 是否可用）。
图片
3 安设 PyTorch 3.1 安设 PyTorch投入官网：https://pytorch.org/
点击 Install：
图片
按如下聘请（CUDA 版块要对应），泰国按摩群下图中 Run this Command 中的教导后续要用到：图片
掀开 cmd，投入之前创建的 Python 环境，输入 conda activate 环境名，如：conda activate pytorch
投入环境后输入教导（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，否则安设很慢的，莫得条款的话请移步 【3.3 其它手脚】。留神，不要像一些教程那样用清华源，用清华源安设的 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
然后恭候安设就不错了，安设完是这么的：
图片
3.2 查验安设是否告成可输入如下教导：
import torch print(torch.version.cuda) # 稽察 CUDA 版块 print(torch.cuda.is_available()) # 稽察 CUDA 是否可用（即历练时是否可用 GPU） print(torch.cuda.device_count()) # 稽察可行的 CUDA 数量
图片
3.3 其它手脚如果莫得加快器挂不了外网的话操作就相比迂曲了。这里再强调一遍！！！不要像一些教程那样用清华源，用清华源安设的 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 官网中聘请 Pip 的手脚，找到如下网址：
图片
然后咱们投入掀开这个网址，也便是 https://download.pytorch.org/whl/cu117
里面便是这么的：
图片
咱们需要我方下载的文献便是 torch，torchvision，torchaudio
然后咱们先点击投入 torch，找到如下位置（凭证我方的 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 文献歪邪放到一个文献夹下：
图片
然后掀开 cmd，投入到这个文献夹，用 pip install 刚刚下载的文献 安设：
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领先新建名堂，按如下款式操作：
图片
图片
图片
然后点击 Create 创建名堂即可
可通过以下代码测试使用 PyTorch：
import torch
print(torch.version.cuda) # 稽察 CUDA 版块
print(torch.cuda.is_available()) # 稽察 CUDA 是否可用（即历练时是否可用 GPU）
print(torch.cuda.device_count()) # 稽察可行的 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 而已 Linux 行状器成立 PyTorch而已行状器成立 Anaconda 并安设 PyTorch 能干教程直播大屏秀
本站仅提供存储行状，统统本体均由用户发布，如发现存害或侵权本体，请点击举报。