【环境配置】Windows 下使用 Anaconda 创建 Python 3.8 环境 + 安装 PyTorch + CUDA（完整教程）

🧠 从零到可用：Windows 下使用 Anaconda 创建 Python 3.8 环境 + 安装 PyTorch + CUDA（完整教程）

文章目录

[🧠 从零到可用：Windows 下使用 Anaconda 创建 Python 3.8 环境 + 安装 PyTorch + CUDA（完整教程）](#🧠 从零到可用：Windows 下使用 Anaconda 创建 Python 3.8 环境 + 安装 PyTorch + CUDA（完整教程）)
[📌 1. 检查你的显卡、驱动和 CUDA 运行时版本](#📌 1. 检查你的显卡、驱动和 CUDA 运行时版本)
- - [🔍 如何理解"CUDA Version: 12.8"？](#🔍 如何理解“CUDA Version: 12.8”？)
[📌 2. 你到底需不需要安装 CUDA Toolkit？](#📌 2. 你到底需不需要安装 CUDA Toolkit？)
[📌 3. 创建 Conda 虚拟环境（Python 3.8）](#📌 3. 创建 Conda 虚拟环境（Python 3.8）)
[📌 4. 安装 PyTorch（选择合适的 CUDA 版本）](#📌 4. 安装 PyTorch（选择合适的 CUDA 版本）)
- [⭐ 最稳定的命令：安装 PyTorch + CUDA 12.1](#⭐ 最稳定的命令：安装 PyTorch + CUDA 12.1)
[📌 5. 验证 PyTorch 是否正确启用 GPU](#📌 5. 验证 PyTorch 是否正确启用 GPU)
[📌 6. 可选：验证 GPU 是否真正工作](#📌 6. 可选：验证 GPU 是否真正工作)
[📌 7. 推荐的一些系统查询命令（方便写脚本或排查）](#📌 7. 推荐的一些系统查询命令（方便写脚本或排查）)
- - [✔ 查询 Python 环境](#✔ 查询 Python 环境)
  - [✔ 查询 conda 环境](#✔ 查询 conda 环境)
  - [✔ 查询显卡驱动](#✔ 查询显卡驱动)
  - [✔ 查询 Windows GPU 信息](#✔ 查询 Windows GPU 信息)
[📌 8. 常见问题 FAQ](#📌 8. 常见问题 FAQ)
- - [❓ torch.cuda.is_available() = False？](#❓ torch.cuda.is_available() = False？)
  - [❓ 我一定要安装 CUDA Toolkit 吗？](#❓ 我一定要安装 CUDA Toolkit 吗？)
  - [❓ CUDA 12.8 和 CUDA 12.1 不匹配吗？](#❓ CUDA 12.8 和 CUDA 12.1 不匹配吗？)
[📌 9. 全流程总结（最关键的5步）](#📌 9. 全流程总结（最关键的5步）)

在深度学习开发中，我们最常用的环境组合是 Anaconda + PyTorch + CUDA。但初学者往往会遇到各种疑问：

我要怎么查询电脑 CUDA 版本？
NVIDIA 驱动版本怎么查？
CUDA Toolkit 要不要安装？
conda 虚拟环境怎么建？
PyTorch 版本如何和 CUDA 匹配？
GPU 怎么验证？

这篇文章会从 最基础的检查 到 最终 GPU 能跑起来，一步一步完整讲清楚。

📌 1. 检查你的显卡、驱动和 CUDA 运行时版本

如果你已经安装了 NVIDIA 显卡驱动 ，可以通过 nvidia-smi 来查看系统支持的 CUDA 版本。

在 Windows CMD 或 Anaconda Prompt 输入：

bash 复制代码

nvidia-smi

你会看到类似这样的输出：

复制代码

Driver Version: 572.83  
CUDA Version: 12.8  
GPU: NVIDIA GeForce RTX 3060

📌 这里有几条非常重要的信息：

信息	说明
Driver Version	显卡驱动版本，越新越好
CUDA Version	驱动内置的 CUDA Runtime，和 CUDA Toolkit 不是一回事
GPU Name	你的显卡型号

🔍 如何理解"CUDA Version: 12.8"？

这表示：

你的 GPU 驱动 支持最高到 CUDA 12.8
不代表你本地安装了 CUDA 12.8
PyTorch 可以选择 任何 <= 12.8 的 CUDA 版本

目前 PyTorch 官方提供的最高版本是 CUDA 12.1。

因此，即使你的驱动显示 12.8，你也应该安装 PyTorch 的 CU121。

📌 2. 你到底需不需要安装 CUDA Toolkit？

✔ 绝大多数深度学习开发者不需要安装 CUDA Toolkit！

因为 PyTorch 的 CUDA 版本是「内置」的（Runtime）。

只要你安装的 torch 是 cu118 / cu121，就能直接使用 GPU。

⚠️ CUDA Toolkit 只有在以下情况才需要安装：

你需要编译 CUDA C++ 代码
你开发 GPU kernel
你构建需要 CUDA 的 C++ 扩展

普通用户 完全不需要 安装 CUDA Toolkit。

📌 3. 创建 Conda 虚拟环境（Python 3.8）

在命令行输入：

bash 复制代码

conda create -n python38 python=3.8 -y
conda activate python38

你现在已经进入了 python38 环境。

📌 4. 安装 PyTorch（选择合适的 CUDA 版本）

官方选择器地址：

👉 https://pytorch.org/get-started/locally/

在中国访问较慢，可以提前确认你的版本需求：

Python：3.8
系统：Windows
安装方式：pip/conda
CUDA：12.1（推荐）

⭐ 最稳定的命令：安装 PyTorch + CUDA 12.1

bash 复制代码

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

如果访问失败，可以使用国内镜像方式（比如清华源 + 官方源混合）。

📌 5. 验证 PyTorch 是否正确启用 GPU

进入 python：

bash 复制代码

python

输入：

python 复制代码

import torch
print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
print("GPU:", torch.cuda.get_device_name(0) if torch.cuda.is_available() else "None")
print("CUDA used by PyTorch:", torch.version.cuda)

如果输出如下：

复制代码

CUDA available: True
GPU: NVIDIA GeForce RTX 3060
CUDA used by PyTorch: 12.1

说明你的 GPU 环境配置成功。

📌 6. 可选：验证 GPU 是否真正工作

输入一个矩阵乘法测试：

python 复制代码

import torch
a = torch.randn(3000, 3000).cuda()
b = torch.mm(a, a)
print("计算成功，GPU 在工作")

如果跑起来没有报错并且显卡有响应（风扇加速、GPU 占用提升），说明 CUDA 真正可用了。

📌 7. 推荐的一些系统查询命令（方便写脚本或排查）

✔ 查询 Python 环境

bash 复制代码

where python
python --version

✔ 查询 conda 环境

bash 复制代码

conda info
conda env list

✔ 查询显卡驱动

bash 复制代码

nvidia-smi

✔ 查询 Windows GPU 信息

bash 复制代码

dxdiag

生成的 dxdiag 文件能包含完整 GPU、驱动、DirectX 信息。

📌 8. 常见问题 FAQ

❓ torch.cuda.is_available() = False？

可能原因：

你安装了 CPU 版本的 PyTorch
显卡驱动没有安装好
驱动太老，不支持你安装的 CUDA
虚拟环境未激活
使用了清华镜像安装 torch 时，没有安装 GPU 版本

❓ 我一定要安装 CUDA Toolkit 吗？

不用。

PyTorch 带了自己的 CUDA Runtime。

❓ CUDA 12.8 和 CUDA 12.1 不匹配吗？

驱动支持高版本（12.8），可以兼容低版本（12.1）。

CUDA 的兼容性是：

✔ 驱动版本 >= CUDA Runtime 版本即可使用

❌ 反之不行

所以你的驱动完全可以用 cu121。

📌 9. 全流程总结（最关键的5步）

复制代码

# 1. 查显卡
nvidia-smi

# 2. 建环境
conda create -n python38 python=3.8 -y
conda activate python38

# 3. 安装 PyTorch GPU 版
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 4. 验证
python -c "import torch;print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

运行成功即可开始你的深度学习开发。