50系显卡Windows配置Anaconda中的CUDA及Pytorch

于 2025-04-23 19:53:01 发布
阅读量1k 收藏 19
点赞数 13
文章标签： windows pytorch 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_62013374/article/details/147461631
版权

安装日期：2025年04月23日 （安装时50系显卡只支持Cuda12.8及Torch2.8）

1. 在Anaconda中创建相关虚拟环境

注：Torch2.8需要python版本大于等于3.9

2. Cuda安装

conda install cuda-toolkit=12.8 cuda-nvcc=12.8 cuda-compiler=12.8 -c nvidia

3. Cudnn安装

conda install cudnn -c nvidia

4. Pytorch安装

由于目前50系刚出不久，Pytorch只适配了Preview(Nightly)版本。常规的Stable版不能用。装老版本Pytorch会提示如下：

参考：

英伟达新一代GPU架构（50系列显卡）PyTorch兼容性解决方案_50系支持cudatool-CSDN博客

GTX 50系显卡cuda、pytorch环境配置_cuda12.8对应的pytorch-CSDN博客 

但是用上图的pip指令直接安装，会出现哈希值校验失败问题。
ERROR: THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE. If you have updated the package versions, please update the hashes. Otherwise, examine the package contents carefully; someone may have tampered with them. torchvision from https://download.pytorch.org/whl/nightly/cu128/torchvision-0.22.0.dev20250422%2Bcu128-cp310-cp310-win_amd64.whl: Expected sha256 8ee0514d2cddf2b615ce0a85415d9c98f99e98cbd185c22d2a23e2d849dce06e Got 0bf6ad5fc142196eb0559a44a47b9787e97a7777df9140f74474f262aa17fe9f

所以改为从官网下载whl文件然后手动安装的方式。需要下载torch、torchvision、torchaudio。

Cuda12.8适配的torch先行版本为Torch2.8（2025.04.23）

Pytorch官网：

Start Locally | PyTorch

对应版本下载网址：

https://download.pytorch.org/whl/nightly/cu128

4.1. torch安装

将ananconda切换到对应文件下载地址

pip install -i https://mirrors.cloud.tencent.com/pypi/simple torch-2.8.0.dev20250421+cu128-cp310-cp310-win_amd64.whl

（安装本地whl文件的时候，从给定的网址寻找相关依赖）

4.2. torchvision安装

pip install -i https://mirrors.cloud.tencent.com/pypi/simple torch-2.8.0.dev20250422+cu128-cp310-cp310-win_amd64.whl

4.3. torchaudio安装

pip install -i https://mirrors.cloud.tencent.com/pypi/simple torchvision-0.22.0.dev20250422+cu128-cp310-cp310-win_amd64.whl

其中，torchvision和torchaudio的版本需要比torch的版本晚。我这里安装的是晚一天的。

否则会提示：

INFO: pip is looking at multiple versions of torchvision to determine which version is compatible with other requirements. This could take a while.

ERROR: Could not find a version that satisfies the requirement torch==2.8.0.dev20250410+cu128 (from torchvision) (from versions: 2.0.0, 2.0.1, 2.1.0, 2.1.1, 2.1.2, 2.2.0, 2.2.1, 2.2.2, 2.3.0, 2.3.1, 2.4.0, 2.4.1, 2.5.0, 2.5.1, 2.6.0)

ERROR: No matching distribution found for torch==2.8.0.dev20250410+cu128

5. 验证测试

在安装完torch、torchaudio、torchvision之后

  1. 输入python
  2. 输入import torch
  3. 输入torch.cuda.is_available()
  4. 如果显示为True 证明安装成功

Barrymaster
关注
windows下 anaconda + cuda + pytorch 安装后gpu不可用问题
星月夜话
11-02 1万+
本记录使用的软件版本截图： 一、关键问题 1、cuda版本 cuda 使用 2、NVIDA控制面板查看本机显卡驱动版本 二、注意事项 CUDA版本选择 不能选择None ，none表示不使用GPU ***** 由于开始使用的是ancaonda安装的pytorch , 导致 pycharm中 torch.cuda.is_available() ...
「安装」 Windows下安装Anaconda、CUDA、Pytorch、Jupyter使用
记录学习过程中的笔记
09-27 1805
确认有NVIDIA GPU安装CUDA安装miniconda安装GPU版PyTorch安装d2l和Jupyter下载d2l记事本运行测试。
【5070TI启动Stable Diffusion时报pytorch capability sm_120 is not compatible ...的解决方案】
su_he_xiang的博客
03-08 4885
什么？？新显卡到了不能用来生图，我要崩溃了！！五分钟操作解决50系显卡不能生图的问题
【Cuda Error：50系类显卡不能运行ComfyUI工作流的解决办法】
su_he_xiang的博客
03-13 3216
步骤6：在启动器中设置python路径，点击启动器设置，下滑找到环境设置，其中有一条是Python路径覆盖，点击后面的文件夹，根据你安装的绘世整合包的位置，选择新复制进来的python文件夹，选择里面的python.exe，点击打开即可。步骤3：以管理员身份运行命令提示符，输入本段话最后的一串代码，安装对应的Pyorch和TorchVision，注意最新版的pytorch仅支持python3.9以上的版本，3.9以下的需要升级python版本。启动后，选择一个工作流，发现已经可以生图。
GTX 50系显卡cuda、pytorch环境配置
weixin_41041772的博客
03-03 7882
对于NVIDIA Blackwell架构的显卡，需要使用最新版本的cuda-12.8，同时tensorRT也需要最新版本TensorRT 10.8，对应pytorch也需要使用没有发布的开发版本2.7.0.dev20250226+cu128.
50系显卡启动ComyUI桌面版报错解决
u013173656的博客
03-13 667
原因50系显卡的cuda版本是12.8 ， ComfyUI Desktop 默认安装的pytorch cu126 版本不兼容导致的问题。
英伟达新一代GPU架构（50系列显卡）PyTorch兼容性解决方案
deephub
04-05 2674
新一代GPU如RTX 5070 Ti在深度学习环境中的应用，可能需要超出常规配置的特殊处理。本文记录的经验表明，使用最新的CUDA版本、采用Nightly构建版本以及确保环境各组件间的一致性，是解决此类问题的关键策略。对于需要使用最新硬件的深度学习从业者而言，了解这些策略并灵活应用，将有助于更高效地配置开发环境，避免在技术细节上消耗过多时间。
近期webui无法在50系列显卡上运行，comfyui需要指定版本
m0_72421668的博客
02-25 1258
50系列显卡无法正常使用Webui，comfyui需要指定50系列版本
anaconda、cuda、pytorch安装（深度学习环境配置简洁版）
不断进步的咕咕怪的博客
03-22 1439
是开源的python和R语言发行版和包管理器，内置有几百个python的第三方库、包管理工具conda、可视化界面Navigator、IDE。我们使用anaconda进行python运行环境和工具包的管理。cuda是nvidia推出的基于nvidia显卡的通用并行计算架构，可以提高nvidia显卡的性能。CUDA提供了对其它编程语言的支持，如C/C++，Python，Fortran等语言。只有安装CUDA才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。
深度学习环境搭建：Anaconda3+CUDA+Pytorch+Pycharm选择安装
m0_62149566的博客
03-22 1514
配置环境需要选择合适的版本。python和pytorch，pycharm版本对照关系可以搜索一下站里的相关文档，更重要一些的是python和pytorch的对应关系，nacidia和cuda的对应关系。我会用这套配置验证随后的学习，如果有错误我会在这篇里进行修正。
Ubuntu20.04环境配置 Anaconda+CUDA+cuDNN+Pytorch
weixin_45768644的博客
07-31 4196
ubuntu20.04深度学习环境配置
关于RTX50系列显卡（5080/5090/5090D）CUDA12.8版本部署vllm服务相关步骤整理
liutian_ye的博客
04-08 2537
本文旨在记录RTX50系列显卡在cuda是12.8版本下成功部署vllm服务相关步骤和踩坑点。
PyTorch学习笔记之基础函数篇（四）
记录学习过程
03-12 1575
在PyTorch中，torch.randn 函数用于创建一个给定形状的张量（Tensor），其中每个元素都是从标准正态分布（均值为0，标准差为1）中随机抽取的。在PyTorch中，torch.rand 函数用于创建一个给定形状的张量（Tensor），其中每个元素都是从均匀分布 U(0, 1) 中随机抽取的。在这个例子中，torch.zeros(3, 3) 创建了一个3x3的矩阵，其中所有元素都是0。在这个例子中，torch.ones(3, 3) 创建了一个3x3的矩阵，其中所有元素都是1。
pytorch与cuda版本匹配--最新(pytorch官网)
Starry-SkyJing的博客
06-23 2万+
官网:pytorch 最新版:pytorch2.5 版本 >= 1.0.0 的命令 v1.8.0 Conda OSX conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 -c pytorch Conda Linux and Windows # CUDA 10.2 conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolk
50系列显卡配环境踩坑记录（pytorch
最新发布
zcccccccccqwq的博客
04-15 566
（哈哈 之前我确实是这样装成功的哈 但是4月14号配另一个环境的时候突然报错了说No matching distribution found for torch也不知道是怎么回事儿。上个月入的5070Ti本来想美美跑代码了，但是发现很多package没有更新到适配cu12.8的版本（.........持续更新一个踩坑记录。2. 装xformers。
Yolov5使用torch2.8+cu128出现的问题
weixin_56308959的博客
04-10 775
Yolov5 使用torch2.8报错weights_only=False
【PyTorch】2024保姆级安装教程-Python-（CPU+GPU详细完整版）-
热门推荐
2201_75436278的博客
10-19 4万+
安装 PyTorch 时，可以选择在 CPU 或 GPU 上运行，取决于你的硬件支持和需求。CPU版本安装：CPU 版本适用于没有 GPU 或不需要使用 GPU 进行深度学习的情况。安装过程相对简单，因为没有依赖 GPU 驱动和 CUDA 的要求。GPU版本安装：如果你的计算机上有 NVIDIA GPU，并且你希望加速深度学习计算，可以安装 GPU 版本的 PyTorch。GPU 版本依赖于 CUDA 和 cuDNN。
非官方python预编译包下载地址汇总whl文件下载汇总轮子文件下载地址汇总
2403_88102872的博客
10-15 1934
镜像网站：1、abcview模块下载列表:2、absl_py模块下载列表:3、aiohttp模块下载列表:4、astropy模块下载列表:5、autopy模块下载列表:6、autopy3模块下载列表:7、backports.lzma模块下载列表:8、backports.zoneinfo模块下载列表:9、basemap模块下载列表:10、bcolz模块下载列表:11、bfloat16模块下载列表:12、bigfloat模块下载列表:13、bitarray模块下载列表:
在anaconda 环境中配置pytorch
03-18
<think>好的，用户现在需要在Anaconda环境中配置PyTorch。我需要一步步引导他们完成这个过程，同时确保信息准确且容易理解。 首先，用户可能对Anaconda和PyTorch不太熟悉，可能需要先解释两者的基本概念。不过根据问题，用户可能已经知道Anaconda是什么，所以重点放在配置步骤上。 接下来，用户可能使用不同的操作系统，比如Windows、macOS或Linux。不同系统下的安装命令可能不同，特别是CUDA版本的选择。需要分情况说明。 然后，PyTorch的安装命令需要从官网获取，用户可能不知道在哪里找到正确的命令。应该引导他们访问PyTorch官网，选择适合自己环境的选项，然后生成安装命令。这样可以避免用户手动输入出错。 另外，用户可能有GPU或者只有CPU，这会影响是否需要安装CUDA版本的PyTorch。需要提醒他们检查自己的显卡是否支持CUDA，并安装对应的驱动。如果用户没有GPU，应该推荐安装CPU版本，这样更简单。 安装完成后，验证步骤也很重要。用户需要知道如何检查PyTorch是否正确安装，包括版本号和CUDA是否可用。提供简单的测试代码可以帮助他们确认安装成功。 可能遇到的常见问题包括网络问题导致下载慢，这时候建议更换conda源或者使用pip的镜像源。还有可能用户安装了错误的CUDA版本，导致PyTorch无法使用GPU，需要提醒他们根据显卡驱动版本选择合适的PyTorch版本。 此外，用户可能会混淆conda和pip的安装方式。虽然推荐使用conda来管理依赖，但有时pip也是可行的，特别是当conda源中没有最新版本时。需要说明两者的区别，并建议优先使用conda。 最后，确保整个步骤结构清晰，分点说明，方便用户一步步操作。避免使用复杂术语，保持语言简洁明了。</think>以下是在Anaconda环境中配置PyTorch的完整指南，分步骤说明并提供多平台支持： --- ### **Step 1：创建独立虚拟环境（推荐）** ```bash # 创建名为`pytorch_env`的Python 3.9环境 conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` --- ### **Step 2：选择安装命令（关键步骤）** 根据**操作系统**和**硬件配置**选择对应命令： #### **Windows/Linux 用户（有NVIDIA GPU）** 1. 检查CUDA版本： ```bash nvidia-smi # 查看右上角显示的CUDA版本（如12.4） ``` 2. 根据CUDA版本选择命令（以CUDA 12.1为例）： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia ``` #### **Mac用户（仅CPU/M系列芯片）** ```bash conda install pytorch torchvision torchaudio -c pytorch ``` #### **无GPU的纯CPU安装** ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` --- ### **Step 3：验证安装** 在Python中运行以下测试代码： ```python import torch print(f"PyTorch版本: {torch.__version__}") # 应输出如2.2.1 print(f"CUDA是否可用: {torch.cuda.is_available()}") # 有GPU应显示True print(f"GPU数量: {torch.cuda.device_count()}") # 显示可用GPU数量 ``` --- ### **常见问题解决** #### **Q1：安装速度慢** - 方案1：更换国内镜像源 ```bash 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 ``` - 方案2：使用pip安装（需先安装conda的pip） ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` #### **Q2：CUDA不可用** - 检查驱动兼容性：通过[NVIDIA驱动表](https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html)确认CUDA版本与驱动匹配 - 重装对应版本： ```bash conda uninstall pytorch conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` --- ### **环境管理命令** | 操作 | 命令 | |-------|-------| | 查看所有环境 | `conda env list` | | 删除环境 | `conda env remove -n pytorch_env` | | 导出环境配置 | `conda env export > environment.yml` | | 复现环境 | `conda env create -f environment.yml` | --- ### **版本选择建议** | 硬件配置 | 推荐版本组合 | 说明 | |---------|-------------|------| | RTX 40系列 | PyTorch 2.0+ / CUDA 12.1 | 支持最新特性 | | RTX 30系列 | PyTorch 1.12+ / CUDA 11.8 | 稳定兼容 | | Mac M1/M2 | PyTorch 2.0+ | 启用Metal加速 | 通过[PyTorch官网验证页面](https://pytorch.org/get-started/locally/)可获取最新安装命令。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值