[Deep Learning] Anaconda+CUDA+CuDNN+Pytorch(GPU)环境配置-2025

文章目录

• [[Deep Learning] Anaconda+CUDA+CuDNN+Pytorch(GPU)环境配置-2025](#[Deep Learning] Anaconda+CUDA+CuDNN+Pytorch(GPU)环境配置-2025)
• • [0. 引子](#0. 引子)
  • [1. 安装Anaconda](#1. 安装Anaconda)
  • • [1.1 安装包下载：](#1.1 安装包下载：)
    • [1.2 启用安装包安装](#1.2 启用安装包安装)
    • [1.3 配置(系统)环境变量](#1.3 配置(系统)环境变量)
    • [1.4 验证Anaconda是否安装完毕](#1.4 验证Anaconda是否安装完毕)
    • [1.5 Anaconda换源](#1.5 Anaconda换源)
  • [2. 安装CUDA+CuDNN](#2. 安装CUDA+CuDNN)
  • • [2.1 判断本机的CUDA版本](#2.1 判断本机的CUDA版本)
    • [2.2 下载适合自己CUDA版本的安装包](#2.2 下载适合自己CUDA版本的安装包)
    • [2.3 正式安装CUDA](#2.3 正式安装CUDA)
    • [2.4 验证是否安装成功](#2.4 验证是否安装成功)
    • [2.5 安装CuDNN](#2.5 安装CuDNN)
  • [3. 安装Pytorch(GPU)环境](#3. 安装Pytorch(GPU)环境)
  • • [3.1 注意事项](#3.1 注意事项)
    • [3.2 Anaconda新建环境](#3.2 Anaconda新建环境)
    • [3.3 Pytorch安装命令获取与执行](#3.3 Pytorch安装命令获取与执行)
    • [3.4 验证是否安装完成](#3.4 验证是否安装完成)
  • 参考资料

[Deep Learning] Anaconda+CUDA+CuDNN+Pytorch(GPU)环境配置-2025

0. 引子

• CSDN站内目前已有的Pytorch深度学习环境配置的相关博客存在细节覆盖不全，常见的较为广访问的博文忽略了部分关键问题的情况，因此博主撰写本文来对环境配置的全流程进行梳理重整 ，并重点指出其中部分考虑不全的问题：
• Anaconda安装完毕后，无法在开始菜单中找到打开终端的快捷入口？
• 如何找到配套的Python-CUDA-PyTorch版本？

1. 安装Anaconda

1.1 安装包下载：

• anaconda官网
  
• 从Free Download中提交你的个人邮箱，验证后即可选择适合自己的Anaconda来下载。
  
• 根据自己所使用的操作系统的类型来选择适合自己的Anaconda的安装包。

另外地，也可以考虑从清华镜像源来下载。

1.2 启用安装包安装

• 首先不断Next，在选择针对的用户的时候可以选择All User 再往下，接着继续Next，直到出现让我们选择安装位置，建议不要直接安装在C盘，而是选择考虑把主体放在其它盘中。
• 请记住这个路径信息，后面配置环境变量的时候有用！
  
• 与[1]中不同的是，我建议把创建shortcuts给勾选上 ，但是我不建议让他自动添加环境变量 ，环境变量可由我们后续自行添加即可。
  
• 勾选第一个复选框的好处是安装完毕后，会自动在开始菜单创建快捷方式 ，是我们常用的访问Anaconda的方式：
  
• 点击install等待安装完毕即可。

1.3 配置(系统)环境变量

• 进入此电脑后点击右键，选择属性，在系统 > 系统信息中选择高级系统设置，就可以找到环境变量。

• 点击环境变量后，任选在用户变量或者系统变量中的Path中添加入Anaconda相关目录的路径。

  Your Path
  Your Path\Scripts
  Your Path\Library\bin
  Your Path\Library\mingw-w64\bin
  Your Path\Library\usr\bin

• 其中Your Path为在安装中我们所选择的Anaconda的安装路径的根目录。
  

1.4 验证Anaconda是否安装完毕

• 按下Win+R，键入cmd打开命令行窗口。
• 键入conda --version，如果顺利弹出所安装的anaconda的版本号的话，则表明Anaconda已经安装成功。
  

1.5 Anaconda换源

• 详细的Anaconda源管理操作可以阅读参考资料[4]

• 从开始菜单中打开一个Anaconda终端 ：
  

• 删除所有其它添加源，恢复默认源

  conda config --remove-key channels

• 查看当前的源（前者只查看channels，后者查看详细的源信息）：

  conda config --show channels
  conda config --show-sources

• 添加清华相关的Anaconda源，可以在我们下载一些第三方库的时候加速我们的下载速度。

  添加镜像源

  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

  终端显示包从哪个channel下载，以及下载地址是什么

  conda config --set show_channel_urls yes

2. 安装CUDA+CuDNN

2.1 判断本机的CUDA版本

• 使用Win+R打开终端，输入nvidia-smi，在CUDA Version ：处可以看到自己的CUDA版本，这个版本号很重要！与我们后面的Pytorch的版本的选择强相关。
  

2.2 下载适合自己CUDA版本的安装包

• 从官网下载对应的CUDA版本，由于我的显卡版本为12.6，我只需要安装小于或者等于12.5都是可以的，比如我选择12.1。
  

2.3 正式安装CUDA

• 下载完成后打开安装包可以自定义安装路径 ，单击OK后需要等待一小会儿，等待安装程序获取安装所需的数据，以及检查系统的兼容性。
• 注意！如果C盘空间不够大 (比如留了超过300G) ，非常非常不建议把安装路径放在C盘！
  
• 同意用户协议 后，选择精简 的安装即可：
  
• 点击下一步就可以静静等待安装了。

2.4 验证是否安装成功

• 使用Win+R打开终端，输入nvcc -V，如果正常展示CUDA的版本号的话，说明CUDA安装成功。
  

2.5 安装CuDNN

• 通过Nvidia的官网来下载CuDNN
• 一般来说的话，需要先进行账户的注册才允许下载。
  
• 考虑以发行的时间为参考标准 来选择与所选的CUDA版本的CuDNN 来下载，下载选择压缩包 的形式来下载，并选择所对应的CUDA版本 。
  
• 下载完毕之后，把解压后的文件 ，放置到我们下载CUDA 的时候所指定的根目录下 即可。
  
• CUDA安装的根目录，比如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1
  

• 至此，CUDA+CuDNN便已经安装完毕。

3. 安装Pytorch(GPU)环境

3.1 注意事项

• Pytorch环境的安装，并不仅仅是Pytorch-CUDA(CuDNN)的版本对应上了就行，其中还有一个很重要的事情是，要把Python的版本也对应上！不然安装过程中很容易出现很多惨案。版本对应关系可以参考参考资料[5]
• 由于Pytorch的安装十分费时，所以对于还需要安装其它库 的情况下，请务必先完成Pytorch的安装确认之后，再考虑去安装其它的库，因为如果一旦你安装Pytorch失败的话，尤其是和Python版本冲突导致的安装失败的话，那么往往是需要删除整个环境重新安装，这种情况下，先装其他库就会浪费时间。

3.2 Anaconda新建环境

• 从开始菜单进入Anaconda终端后，我们默认进入的是base环境下，这时候可以通过该命令创建自己的环境：

• 其中myenv可以换成你自己想要为环境取的名字，python=后面的版本号也应该根据你的本机环境选择适配你的CUDA-Pytorch版本的环境。

  conda create --name myenv python=3.9

3.3 Pytorch安装命令获取与执行

• 官网链接：pytorch官网

• 最新版本的下载命令可以在首页获取 ：
  

• 也可以从Previous versions of PyTorch中获取历史版本：
  

• 根据版本对照表，我选择v2.1.0的PyTorch，对应12.1的CUDA基于pip方式来安装。

  pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu121

• 经过验证后，直接用pip的方式可以正常完成适合版本的PyTorchGPU版本的下载，如果网络不佳的话，采用网络加速器可以有效提高下载速度。

3.4 验证是否安装完成

• 当安装完毕之后，在激活myenv环境的终端下敲入python可以进入终端的python编译器下，之后可以用以下的代码来验证是否安装成功。

  import torch

  print(torch.version) # 会出现当前torch的版本号，GPU版本会有+cuxxx的结尾
  print(torch.version.cuda) # 会出现当前的cuda的版本号，安装失败会出现None
  print(torch.cuda.is_available()) #输出为True，则安装成功

参考资料

1\] [Anaconda安装（2024最新版）](https://blog.csdn.net/m0_66047447/article/details/141110995) \[2\] [【超详细教程】2024最新Pytorch安装教程（同时讲解安装CPU和GPU版本）](https://blog.csdn.net/Little_Carter/article/details/135934842) \[3\] [安装pytorch速度慢，解决途径](https://blog.csdn.net/qq_44793283/article/details/130212401) \[4\] [【Python】Anaconda以及Pip配置清华镜像源](https://blog.csdn.net/weixin_44914727/article/details/130513081) \[5\] [【环境搭建】Python、PyTorch与cuda的版本对应表](https://blog.csdn.net/weixin_41809117/article/details/141246957)