love530love的博客

在深度学习领域，CUDA、cuDNN 和 torch 之间具备向下兼容特性。这得益于它们的自动适配安装机制，会依据当前环境以及已有库状况，安装最合适版本，所以开发者无需因验证版本号与安装版本号不一致而忧心。目前，torch 官方尚未发布支持 CUDA 12.9 的版本。当在 Windows 主系统完成 CUDA Toolkit 12.9 与 cuDNN 9.9.0 升级后，若未在 conda、virtualenv 等虚拟环境中另行安装适配新版本的库，验证时会呈现虚拟环境中原先的版本信息。

情景回顾：安装新系统后，下载安装最新Visual Studio 2022后开始安装CUDA12.8，结果一直卡在CUDA程序的这个界面，尝试了各种办法，重启无数次，最后无奈只有尝试了降级Visual Studio 2022版本号才得以继续。只有降级Visual Studio 2022的版本号到17.13以下，才能正常安装，这是因为官方已经发现17.3版本和CUDA12.8确实存在冲突问题。降级到17.9后安装正常，注意，需要卸载新的版本后重启电脑，然后再安装特定的版本（版本号<17.13）。

NVIDIA 近日发布了 CUDA Toolkit 12.9，为开发者提供了一系列新功能和改进，旨在进一步提升 GPU 加速应用的性能和开发效率。CUDA Toolkit 是创建高性能 GPU 加速应用的关键开发环境，广泛应用于从嵌入式系统到超级计算机的各种计算平台。

通过严格按照上述步骤操作，特别是使用 PyTorch 官方网站生成的安装命令，我们能够确保torch和torchaudio三个包的版本兼容性，从而 100% 成功安装带有 CUDA 12.8 GPU 支持的 PyTorch。在安装过程中，要仔细检查每个步骤，根据不同的项目需求准确判断并配置安装选项，确保满足先决条件。同时，优先选择pip或conda从官方网站获取命令进行安装，避免使用不推荐的本地安装方式。希望这份攻略能够帮助我们顺利搭建起高效的深度学习开发环境。

UniGetUI（前身为 WingetUI）是一款专门为 Windows 10（x64）和 Windows 11 系统打造的图形化包管理器界面工具。它集成了 Winget、Scoop、Chocolatey、Npm、Pip、Cargo、vcpkg、.NET Tool 和 PowerShell 等多种常用包管理器的功能，为用户提供了便捷的软件管理体验，无需记忆复杂的命令参数，即可轻松完成软件的搜索、安装、更新和卸载等操作。以下是详细的下载与使用教程。

工作记录python以进入python环境，如果是虚拟环境则需要先激活要验证的虚拟环境。这段 Python 脚本主要用于检查 PyTorch 深度学习环境的配置信息，并进行简单的张量运算，下面为详细解释它们的具体作用。

记录工作提示：整个过程最好先开启系统代理，也可以用镜像源，确保有官方发布的最新特性和官方库的完整和兼容性支持。期间下载会特别慢，需要在系统上先开启代理，然后WSL设置里打开网络模式“Mirrored”,以设置WSL自动使用主机上的代理网络。【WLS2怎么设置网络自动代理 - CSDN App】https://blog.csdn.net/u014451778/article/details/146073726?

在 Windows 系统开发环境中，Podman Desktop 凭借强大的容器管理与 WSL-Linux 子系统集成能力备受开发者关注。其中，podman-machine-default 是 Podman Desktop 安装后自带的默认 WSL-Fedora 子系统，支持与显卡通信，可用于搭建深度学习环境及部署 AI 项目。解锁新技能！Windows 11 借助 WSL - Linux 部署 GitHub 项目全攻略_wsl github-CSDN博客。