【深度学习】pytorch深度学习框架的环境配置

盛世隐者2025-08-19 16:59

文章目录

[1. 配置cuda环境](#1. 配置cuda环境)
[2. 配置conda环境](#2. 配置conda环境)
[3. 配置pytorch gpu环境](#3. 配置pytorch gpu环境)

1. 配置cuda环境

在命令行输入以下命令可以查看当前显卡驱动版本和最高支持的cuda版本

bash 复制代码

nvidia-smi

根据cuda版本去官网下载并安装cuda
下载链接：https://developer.nvidia.com/cuda-toolkit-archive
根据cuda、cudnn版本对照表下载安装合适的cudnn
版本对照：https://docs.nvidia.com/deeplearning/cudnn/backend/v9.12.0/reference/support-matrix.html
下载链接：https://developer.nvidia.com/cudnn-archive

2. 配置conda环境

去官网下载anaconda
下载链接：https://repo.anaconda.com/archive

conda换源

bash 复制代码

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

pip换源

bash 复制代码

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

安装uv
bash 复制代码
```
pip install uv
```
安装conda环境（python维护周期查询）
bash 复制代码
```
conda create -n [环境名] python=3.x -y
```

3. 配置pytorch gpu环境

先去官网查询安装torch等库的命令
官网链接：https://pytorch.org/get-started/previous-versions/

使用在命令前加上uv再执行命令提高下载速度，比如

bash 复制代码

uv pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu128

安装后，运行python，执行以下代码验证是否配置成功
bash 复制代码
```
import torch
torch.cuda.is_available()
torch.cuda.get_device_name(0)
```