本地GPU调用失败问题解决3重新配置anaconda环境（成功）

1、右键“以管理员身份”打开anaconda prompt

conda create -n python 3.9

2、使用官方下载源的配置

3、修改conda下载超时

conda config --set remote_connect_timeout_secs 60

conda config --set remote_read_timeout_secs 100

查看配置结果conda config --show

配置内容：

配置文.condarc中也只剩下超时数据了，原设定的其他国内镜像不见了

4、

# CUDA 12.1 根据官网执行指令
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia

# 国内源情况执行

conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1

看一眼配置源情况

输入conda info，只列出了官方源

5、中间过程输入y，继续下一步，直至done

6、查看安装的包版本

其中部分源来自清华镜像，可能是之前新建环境的时候还在使用清华镜像

输入：conda list

python 3.9.19

pytorch 2.2.0

pytorch-cuda 12.1

torchaudio 2.2.0

torchvision 0.17.0

其他包：截图

7、检查指定

输入：

python  # 进入python环境

import torch

print(torch.__version__)  #  返回torch版本

print(torch.cuda.is_available()) # 返回GPU是否可用

8、在pycharm中的检测

# 返回torch安装版本
print(torch.__version__)
# 返回GPU是否可用
print(torch.cuda.is_available())
# 返回GPU设备数量
print(torch.cuda.device_count())
# 返回GPU设备名称
print(torch.cuda.get_device_name(0))

9、成功！

10、安装代码中需要的其他库

conda install pandas scikit-learn

等等