1、 环境（GPU运算）安装

• Anaconda3（取最新版）
• Python：3.12
• CUDA：11.8
• PyTorch：2.2.0
• 显卡：NVIDIA T600（nvidia-smi）

1.1 Anaconda3

• 下载最新版
• 2024-10-21 最新版（python版本3.12）
• 双击安装

1.2 CUDA安装

• 检查GPU信息nvidia-smi

• 下载相应的cuda-toolkit-11.8

• 选择windows–x86_64–11(win11)–local（离线安装包大概3G左右）

• 安装(双击exe)

• 配置环境变量（通常安装过程中会自己配置）

  • 在 Windows 系统上，通常需要添加以下路径到 PATH 环境变量中：
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

• 测试 nvcc --version

1.3 PyTorch安装（在线）

在线安装

• GPU版本安装

  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

离线安装

离线包下载列表

• 下载：torch（离线安装包大概2.5G左右）,torchvision,torchaudio

  • 下载torch2.2.0+cu11.8
  • 下载torchvision
  • 下载torchaudio

• 安装pip install

  • pip install torch-2.2.0+cu118-cp312-cp312-win_amd64.whl
  • pip install torchvision-0.17.0+cu118-cp312-cp312-win_amd64.whl
  • pip install torchaudio-2.2.0+cu118-cp312-cp312-win_amd64.whl

1.4 测试

• 运行Jupyter

  import torchif torch.cuda.is_available():print("CUDA is available. Using GPU:", torch.cuda.get_device_name(0))
  else:print("CUDA is not available. Using CPU.")

PyTorch环境搭建好了，接下来继续学习、记录