PyTorch深度学习环境搭建指南（含M1芯片深度优化）

本文是面向开发者的超详细环境搭建手册，覆盖Windows/Linux/macOS三大平台，针对NVIDIA显卡、AMD显卡（ROCm）及Apple M1/M2芯片进行全场景适配。

---

一、环境搭建核心原则

1. 硬件与软件对应关系（必读！）

硬件类型	操作系统	核心依赖	加速框架
NVIDIA显卡	Windows/Linux	CUDA + cuDNN	Torch CUDA
AMD显卡	Linux	ROCm	Torch ROCm
Apple Silicon	macOS ≥12.3	Metal Performance	Torch MPS
无显卡/集显	全平台	CPU-only	Torch CPU

2. 避坑指南（新手必看）

• 版本匹配陷阱：PyTorch 2.3+要求CUDA ≥11.8，Python ≥3.8
• 权限问题：Linux/Mac需避免使用sudo pip install导致环境混乱
• 代理设置：若出现SSLError，需执行：

  pip config set global.trusted-host pypi.org files.pythonhosted.org pypi.python.org --trusted-host
  

---

二、NVIDIA显卡全流程配置（Windows/Linux双平台）

1. Windows系统深度配置

1.1 驱动安装（含特殊机型适配）

• 驱动选择：
  • 游戏本（如ROG/外星人）：优先使用厂商定制驱动（避免公版驱动黑屏）
  • 工作站显卡（Quadro系列）：从NVIDIA企业驱动库下载SD认证版本
• 验证工具：

  nvidia-smi.exe -l 1  # 每秒刷新GPU状态（观察温度/功耗）
  

1.2 CUDA Toolkit自定义安装

• 关键选项：
  • 安装时取消勾选Visual Studio Integration（避免VS2019冲突）
  • 手动添加环境变量：

    CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1  
    PATH += %CUDA_PATH%\bin;%CUDA_PATH%\libnvvp
    

  </