使用GPU加速的pytorch框架

我的anaconda的版本为25.7.0。

我的电脑是联想拯救者Y7000P，其GPU型号如下：

在cmd窗口中输入命令nvidia-smi，该命令是NVIDIA提供的系统管理接口命令，全称为NVIDIA System Management Interface，核心作用是查看和管理NVIDIA显卡状态。

可以发现我的cuda计算平台的版本是11.7，PyTorch 2.0.1对Python 3.10兼容性最佳，于是我先在conda中创建python 3.10的环境：

bash 复制代码

# 创建名为pytorch_env的环境，指定Python 3.10
conda create -n pytorch python=3.10 -y

但是我到pytorch官网中进行pytorch选择下载命令的时候，计算平台cuda的版本最低都要cuda 12.6，我的版本现在是低于这个版本的，如果强行进行不适配高版本的安装，会导致安装后pytorch检测到驱动不支持cuda 12.6，会自动降级为CPU模式运行，即运行torch.cuda.is_available()也会返回False，所有计算都只能跑在CPU上，相当于白装了cuda 12.6版本。

于是我到NVIDIA官网手动搜索驱动程序进行下载。

我下载如下的版本：

但是安装之后发现驱动程序全部都安装失败了，两次分别通过是下载NVIDIA的驱动安装程序和NVIDIA APP来安装的。

推测的可能原因是联想笔记本厂商的驱动锁定机制在起作用，阻止了公版驱动的安装。因为联想等笔记本厂商会在BIOS或系统层面对显卡驱动做验证，只有它们自己定制的驱动才能通过校验。

既然显卡驱动更新程序安装失败，于是妥协使用适合我电脑上cuda 11.7版本来下载对应的pytorch版本。

首先可以用conda clean -a -y这个命令来删除 conda 环境中所有无用的缓存文件和未使用的包，帮你释放磁盘空间。然后把镜像源切换到国内加快下载的速度。

bash 复制代码

# 清理conda缓存（避免残留损坏文件）
conda clean -a -y

# 确保pip镜像源正确
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

使用下面这条命令安装适配cuda 11.7版本的pytorch框架：

bash 复制代码

# 重新安装适配CUDA 11.7的PyTorch（完整版本）
pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 torchaudio==2.0.2+cu117 -f https://download.pytorch.org/whl/torch_stable.html

接下来进行测试，进入python交互命令行，输入import torch没有报错的话说明pytorch安装成功。之后再输入torch.cuda.is_available()返回True则说明电脑的GPU是可以被pytorch所使用的。

至此，可以使用GPU进行加速训练的pytorch框架就下载好了。