Anaconda安装cuda，cudnn，pytorch全流程（解决pytorch下载过慢问题）

最新推荐文章于 2025-03-01 12:24:19 发布

m0_61859724

最新推荐文章于 2025-03-01 12:24:19 发布

阅读量671

点赞数 3

文章标签： pytorch 人工智能 python

本文链接：https://blog.csdn.net/m0_61859724/article/details/144459081

版权

先查看自己的显卡支持的cuda版本，打开nvidia控制面板

然后

这个cuda支持版本就在这个页面

然后直接上官网CUDA Toolkit Archive | NVIDIA Developer建议选择12.1版本，比较老一点但也没太老的版本（因为pytorch支持的问题）

下完cuda以后安装过程网上很多随便找一个就ok

cuda装完了验证完了接着装cudnn这里我给两个网站一个是对应9.x版本的cuDNN Archive | NVIDIA Developer

另一个是对应8.x版本的

https://developer.nvidia.com/rdp/cudnn-archive

自己看好对应版本，按需求来，我装的9.0.0版本的cudnn

最后就是最难搞的pytorch因为你直接从官网下巨慢无比，所有我们先进入我们的conda环境配置一下镜像源

开始菜单点这个，进去以后输入

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/

全输进去

然后去pytorch官网Previous PyTorch Versions | PyTorch找一个你心动的历史版本（看好对应的cuda不要下错了！！）复制命令到刚刚打开的页面就ok，验证的话就新建一个python文件写入这些

#查看pytorch版本
import torch
print(torch.__version__)
#查看是否是gpu版本
flag = torch.cuda.is_available()
print(flag)
#查看使用的GPU设备数量和名字
torch.cuda.current_device()
torch.cuda.device(0)
torch.cuda.device_count()
torch.cuda.get_device_name(0)

运行看输出的是不是