安装英伟达驱动 560.94、配置 CUDA12.4、安装 Conda 环境及配置 PyTorch2.5.0

安装英伟达驱动、配置 CUDA、安装 Conda 环境及配置 PyTorch

tips：防止环境配置出错的办法就是一比一版本安装
参考链接：https://blog.csdn.net/zslefour/article/details/143441087
清华源：https://pypi.tuna.tsinghua.edu.cn/simple/torchvision/
离线文件百度网盘：通过网盘分享的文件：nvidia_torch_env
链接: https://pan.baidu.com/s/1irBLVDIRyitgET9D5e-2YA?pwd=fqyr 提取码: fqyr

1. 安装英伟达驱动

版本

• NVIDIA Driver: 560.94

安装步骤

1. 访问 NVIDIA 官方网站，下载与你显卡兼容的驱动程序。
2. 按照安装向导完成驱动程序的安装。

验证驱动安装

1. 打开“NVIDIA 控制面板”（右键点击桌面空白处，选择“NVIDIA 控制面板”）。
2. 在左侧菜单中选择“系统信息”，查看“驱动版本”是否为 560.94。
3. 打开命令提示符（CMD），输入以下命令并回车：

   nvidia-smi
   

   如果显示 GPU 信息和驱动版本，则说明驱动安装成功。

---

2. 配置 CUDA 和 CUDNN

版本

• CUDA: 12.4.99
• CUDNN: 8.9.5（与 CUDA 12.4 兼容）

安装步骤

1. 安装 CUDA

   1. 访问 CUDA 下载页面，选择适合你操作系统的版本。
   2. 按照官方指南完成 CUDA 的安装。
   3. 配置 CUDA 环境变量：
      • 在 Windows 系统中，右键点击“此电脑” -> “属性” -> “高级系统设置” -> “环境变量”。
      • 添加 CUDA_PATH 系统变量，值为 CUDA 的安装路径（例如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4）。
      • 将 CUDA 的 bin 和 lib 文件夹路径添加到 Path 环境变量中。

2. 安装 CUDNN

   1. 访问 CUDNN 下载页面，选择与 CUDA 12.4 兼容的版本（如 8.9.5）。
   2. 下载 CUDNN 的 .zip 文件并解压。
   3. 将解压后的文件夹中的内容复制到 CUDA 的安装路径中：
      • 将 bin 文件夹中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin。
      • 将 include 文件夹中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include。
      • 将 lib 文件夹中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\lib。

验证 CUDA 和 CUDNN 安装

1. 验证 CUDA：

   nvcc --version
   

   如果显示 CUDA 编译器版本信息，则说明 CUDA 安装成功。

2. 验证 CUDNN：

   • 打开命令提示符（CMD），输入以下命令：

     nvidia-smi
     

     如果显示 GPU 信息，则说明 CUDNN 安装成功。
   • 或者，运行以下 Python 代码检查 CUDNN 是否可用：

     import torch
     print(torch.backends.cudnn.is_available())  # 应输出 True
     

---

3. 安装 Conda 环境

python版本为3.10

安装步骤

1. 下载并安装 Anaconda 或 Miniconda。
2. 打开终端或命令行工具，创建一个新的 Conda 环境：

   conda create -n pytorch_env python=3.10
   

3. 激活环境：

   conda activate pytorch_env
   

---

4. 安装 PyTorch 及相关包

版本

• PyTorch: 2.5.0+cu124
• Torchvision: 0.20.0+cu124
• Torchaudio: 2.5.0+cu124

安装步骤

1. 使用以下命令安装 PyTorch、Torchvision 和 Torchaudio：

   pip install torch==2.5.0+cu124 torchvision==0.20.0+cu124 torchaudio==2.5.0+cu124 --extra-index-url https://download.pytorch.org/whl/cu124
   

2. 如果需要手动下载 .whl 文件，可以使用以下链接：

   • Torchvision 0.20.0+cu124
   • Torchaudio 2.5.0+cu124

   将文件下载到本地后，使用以下命令安装：

   pip install torchvision-0.20.0+cu124-cp310-cp310-win_amd64.whl
   pip install torchaudio-2.5.0+cu124-cp310-cp310-win_amd64.whl
   

---

5. 验证安装

1. 启动 Python，检查 PyTorch 是否成功安装：

   import torch
   print(torch.__version__)  # 应输出 2.5.0
   print(torch.cuda.is_available())  # 应输出 True
   

2. 测试 CUDA 和 CUDNN 是否正常工作：

   import torch
   x = torch.randn(3, 3).cuda()
   print(x)
   print(torch.backends.cudnn.is_available())  # 应输出 True
   

---

以上步骤完成后，你应该已经成功安装了 NVIDIA 驱动、配置了 CUDA 和 CUDNN，创建了 Conda 环境，并安装了 PyTorch 及相关包。