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
- 在 Windows 系统上,通常需要添加以下路径到 PATH 环境变量中:
-
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