小新pro13 (2020款，Nvidia MX350)+win10+cuda10.2+cudnn7.6+pytorch搭建深度学习环境

最新推荐文章于 2023-03-26 20:55:16 发布

「已注销」

最新推荐文章于 2023-03-26 20:55:16 发布

阅读量4.2k

点赞数 2

分类专栏：瞎折腾的一些东西文章标签： deep learning cuda mx350 nvidia pytorch

本文链接：https://blog.csdn.net/ljxzuishuai/article/details/107171836

版权

本文介绍了使用小新Pro13 2020款（Nvidia MX350）在Windows 10系统下搭建深度学习环境的过程，包括CUDA和CUDNN的安装，以及PyTorch的配置。在遇到Ubuntu兼容性问题后，作者转向Win10环境，提供了详细的安装步骤和注意事项，强调了选择合适的Anaconda版本和利用清华源进行离线安装PyTorch的必要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器说明：
小新pro13 2020款(事先说明，大家的本子一定要有独立显卡)，显卡升级为mx350,相对于mx250来讲档次上升了一个层次，但是对于Nvidia系列的显卡来讲，GTX系列的显卡比MX系列有着更加出色的性能，对于大型游戏（本人不太懂端游），和专业人员（比如视频剪辑，还有我们深度学习环境搭建）来讲有着很好的作用。前面我所说的MX350的性能归为入门级的显卡，性能接近于gtx系列中的gtx1050,有着2g的显存，这对于普通办公和娱乐的用户来讲，都能看上1080p的视频，是一个最基本的要求。而对于深度学习环境来讲，如果我们只是想体验一下CPU和GPU处理数据的不同，仅仅运行一些简单的DEMO，mx350和gtx1050系列的本子都可以。
系统说明
上个礼拜本子刚拿到手时，本人直接就把win10的硬盘分离出一部分，进行win10+ubuntu20.04的双系统的安装。现在ubuntu下进行整个环境的搭建。包括驱动的安装，cuda的安装,cudnn的安装，pytorch的安装等等，等自己全部安装好之后，当自己的本子切换到独立显卡的时候，重启进入系统，用上一段时间，整个Ubuntu就卡住了，我觉得是nvidia对于20的ubuntu在兼容性方面还没完全弄好。所以先把Ubuntu的环境放下，进入win10下进行搭建。经过搜索，我发现win10下就没这种问题。只要你的电脑支持独立显卡，你在更新驱动的时候，就会安装好nvidia的相关驱动。
我也是跟着