文章目录
前言
一直想写一篇 pytorch + d2l的深度学习环境配置。但一直都不是很顺利，配置过很多次，都会遇到一些各种依赖项的兼容性问题。但这个是没有办法的，各种开源包都在不断维护过程中，版本迭代中出现兼容性问题不可避免。
下面我就给出我摸索出的一套配置：GPU版（CPU版倒是没有那么多问题）
cuda11.8 + cudnn11.x(如果官网找不到11.8，就找11.x, 根据经验不跨大版本问题不大)
一、安装软件
上英伟达官网下载cuda和cudnn安装。
cuda安装直接默认安装在C盘即可，这种和系统相关的默认是最好，不然容易出问题
cudnn 直接粘贴复制即可。
上面两步具体操作，参考视频安装教程
安装好后，一定要在cmd里面看看是否成功。参考视频中也有cmd中验证，照着来即可。
【注】：上述教程看安装cuda和cudnn的部分即可。其余的还是按我下面的教程来回比较好。
二、配置具体环境
- step1: conda create 一个干净的 3.9以上的python环境并切换过去
- step2:
- pip install D:\Python_\torch安装包\torch-2.1.0+cu118-cp39-cp39-win_amd64.whl torchvision==0.16.0 torchaudio=2.1.0 --index-url https://download.pytorch.org/whl/cu118
这个里面的torch安装包我直接下到了本地（直接官网那个pip网速太感人了），其余几个依赖，上面那几个版本是可以兼容的
- pip install D:\Python_\torch安装包\torch-2.1.0+cu118-cp39-cp39-win_amd64.whl torchvision==0.16.0 torchaudio=2.1.0 --index-url https://download.pytorch.org/whl/cu118
- step3: pip install jupyter d2l
全部跑完没有出现红色或者黄色警告什么版本不兼容问题就大工告成了。
验证一下可不可以移动到cuda上运算：参考视频