从零开始搭建PyTorch环境（支持CUDA）

从零开始搭建PyTorch环境（支持CUDA）

本文将详细介绍如何在Windows系统上为RTX 3050显卡配置支持CUDA的PyTorch环境。

环境准备

本教程基于以下环境：

• 显卡：NVIDIA RTX 3050
• 操作系统：Windows
• Python版本：3.10
• CUDA版本：12.6

详细步骤

1. 安装Anaconda

首先需要安装Anaconda3，它是一个开源的Python发行版，包含了Python和许多常用的科学计算包。

可以从Anaconda官网下载安装包进行安装。

2. 安装NVIDIA CUDA

从NVIDIA官网下载并安装CUDA 12.6版本。

安装CUDA时，请确保选择了以下组件：

• CUDA Toolkit
• 适合您显卡的驱动（如果尚未安装）

3. 创建并激活Conda虚拟环境

打开命令提示符(CMD)，输入以下命令：

# 在指定路径下创建一个名为yolo_env的虚拟环境并指定Python版本为3.10
conda create -p D:/Python/yolo_env python=3.10

# 激活该虚拟环境
conda activate D:/Python/yolo_env

激活成功后，命令提示符前会显示环境路径：

4. 安装PyTorch

访问PyTorch官网，根据您的系统配置选择合适的PyTorch版本。以下是我选择的配置：

在已激活的yolo_env环境下，执行官网提供的安装命令：

# 安装过程可能需要一些时间，请耐心等待
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

安装开始时的界面：

安装完成后的界面：

如果安装过程中出现以下警告：

可以通过以下命令安装缺少的依赖库：

pip install pywin32>=305 wrapt~=1.10

5. 验证CUDA是否可用

首先进入创建的conda虚拟环境目录，并启动Python：

# 进入D盘
D:

# 打开创建的conda虚拟环境路径
cd Python/yolo_env

# 运行Python
python

成功启动Python后，界面如下：

然后，在Python交互式环境中执行以下代码，验证CUDA是否可用：

# 导入torch
import torch

# 检查CUDA是否可用
print(torch.cuda.is_available())

如果输出True，则说明环境搭建成功：

总结

通过以上步骤，我们成功搭建了支持CUDA的PyTorch环境，可以开始进行深度学习项目的开发了。后续可以在此环境的基础上，安装YOLOv5、YOLOv8等目标检测框架，进行更深入的学习和研究。

常见问题

1. 如果torch.cuda.is_available()返回False，请检查：

   • NVIDIA驱动程序是否正确安装
   • CUDA版本与PyTorch是否兼容
   • 显卡是否支持所安装的CUDA版本

2. 如果出现其他依赖库缺失的情况，可以使用pip install命令安装相应的库。

希望这篇教程对大家有所帮助！如有问题，欢迎在评论区留言讨论，我会回复大家遇到的问题。