2025年最新深度学习环境搭建:Win11+ cuDNN + CUDA + Pytorch +深度学习环境配置保姆级教程

本文目录

一、查看驱动版本

1.1 查看显卡驱动

输入命令nvidia-smi可以查看对应的驱动,这里我的驱动是

560.78,CUDA的版本是12.6。

1.2 显卡驱动和CUDA对应版本



1.3 Pytorch和Python对应的版本

1.4 Pytorch和CUDA对应的版本

二、安装CUDA

css 复制代码
https://developer.nvidia.com/cuda-toolkit-archive

CUDA官网中挑选自己对应的版本进行下载即可,这里我下载12.60.

对应的选择如下

然后选中我们提前准备好的目录,点击下一步即可等待安装。

这里点击同意并继续,然后会到下图中这个界面,继续点击下一步。

继续点Next即可。

然后等待对应的安装。

这一步就安装好了。

这个时候我们重新开一个cmd命令窗口(注意需要重新开,不然识别不了系统变量)然后我们输入命令nvcc --version可以看到对应的版本号了。

打开环境变量,可以看到环境变量也装上了,这个是CUDA的安装程序自动帮我们装的。

三、安装cuDANN

接着我们需要安装cuDANN,我们去官网如下地址:

css 复制代码
https://developer.nvidia.com/rdp/cudnn-archive

找到对应的版本进行安装。这里可能需要邮箱注册nvidia官网账号,大家提前准备好个人邮箱即可。

我们先把下载好的zip解压缩,然后把压缩包里面的东西都复制放到CUDA的路径(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6)中去。


然后在这个路径下(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite)右键打开cmd命令行,输入如下命令:

css 复制代码
.\bandwidthTest.exe
.\deviceQuery.exe


当输入两个命令之后都出现pass了,就代表成功了。

四、安装pytorch

首先我们需要创建对应的一个虚拟环境。

这里我用命令:conda create -n pytorch1 python=3.10

因为如果大家做GNN方面的话,可能需要Networkx这个包(搭建图神经网络相关的),这个包最低都需要3.10版本。

然后我们conda activate pytorch1进入到创建的好的环境中之后,更换源:

css 复制代码
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
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/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda config --set ssl_verify false

接着进入pytorch的官网`https://pytorch.org/\`\`安装对应的pytorch版本。

选中自己的这个适应版本的安装语句,进行安装即可。

css 复制代码
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu126

在cmd中的pytorch1的虚拟环境下复制上面的语句即可。

然后等待几分钟进行安装。(如果大家不会开梯子,可能需要两个小时,建议输入这个命令前可以换个梯子,如果没有梯子,就需要制定换源进行安装,不然太慢了。如果已经运行了这个命令,但是没有开梯子,可以ctrl+c终止安装,然后开了梯子之后,重新跑这个安装,这样是没问题的。但是你在安装过程中,命令已经跑起来了,才开梯子,是没用的,因为conda命令默认是采用启动命令时的通道网络,需要跑之前就把梯子开好。)

五、验证是否安装成功

在cmd中的虚拟环境pytorch1中,依次输入如下命令:

css 复制代码
python
import torch
print(torch.cuda.is_available())

当输出true的时候,就代表环境都装好了,pytorch可以使用了,可以开始跑深度学习了。

最后祝所有人安装pytorch不报错!!!

相关推荐
神经星星几秒前
训练成本29.4万美元,DeepSeek-R1登Nature封面,首个通过权威期刊同行评审的主流大模型获好评
人工智能
神州问学4 分钟前
【AI洞察】别再只想着“让AI听你话”,人类也需要学习“适应AI”!
人工智能
CoovallyAIHub22 分钟前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
DevUI团队24 分钟前
🚀 MateChat V1.8.0 震撼发布!对话卡片可视化升级,对话体验全面进化~
前端·vue.js·人工智能
聚客AI27 分钟前
🎉7.6倍训练加速与24倍吞吐提升:两项核心技术背后的大模型推理优化全景图
人工智能·llm·掘金·日新计划
黎燃37 分钟前
当 YOLO 遇见编剧:用自然语言生成技术把“目标检测”写成“目标剧情”
人工智能
算家计算38 分钟前
AI教母李飞飞团队发布最新空间智能模型!一张图生成无限3D世界,元宇宙越来越近了
人工智能·资讯
掘金一周41 分钟前
Flutter Riverpod 3.0 发布,大规模重构下的全新状态管理框架 | 掘金一周 9.18
前端·人工智能·后端
CoovallyAIHub1 小时前
开源的消逝与新生:从 TensorFlow 的落幕到开源生态的蜕变
pytorch·深度学习·llm
用户5191495848451 小时前
C#记录类型与集合的深度解析:从默认实现到自定义比较器
人工智能·aigc