深度学习环境配置（Pytorch，CUDA=12.3）

写在前面：由于作者尝试了“所有”conda和pip在线安装带cuda的pytorch均无效，最后采用下述方案，所以本博客仅适用于像作者一样走投无路的情况

一、安装Anaconda

Anaconda的作用是管理Python环境和包

1）打开Anconda Prompt

2）创建一个新的环境

conda create env_name python=3.8

env_name替换成自己环境的名字，python版本可以换成任意自己需要的版本

二、下载CUDA Toolkit

CUDA Toolkit 是广泛的 GPU 编程和计算工具包，适用于各种高性能计算任务。

官网下载链接：CUDA Toolkit Archive | NVIDIA Developer

由于截止2024年7月21日，pytorch稳定版本最高支持CUDA12.1，官网链接：Start Locally | PyTorch

所以CUDA Toolkit我也选择了12.1.x版本

详细安装教程见不赘述，要注意的点就是如果没有安装VS的话，安装的时候不要勾选Visual Studio

三、下载cuDNN

cuDNN 是专门为深度学习优化的库，用于加速神经网络的训练和推理。

官网下载链接：CUDA Toolkit Archive | NVIDIA Developer

解压官网下载的zip压缩包后，将压缩包里的文件复制到CUDA Toolkit安装路径下对应的文件夹里

四、下载Pytorch

在清华镜像站里找到适合自己的pytorch版本，下载

下面是清华镜像站的链接

Index of /anaconda/cloud/pytorch/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorx

下面是适合我的版本

五、安装

1）打开Anaconda命令行

2）激活环境

conda activate env_name

PS：默认在base环境

3）conda安装本地bz2包

使用如下命令

conda install --use-local pytorch-2.3.1-py3.8_cuda12.1_cudnn8_0.tar.bz2

接着会有如下路径未找到的报错

于是将在清华镜像站下载的.bz2文件放到PathNotFoundError报错的路径下

按我的情况就是放到：C:\Users\Lenovo\路径下

再次尝试，完成安装

conda install --use-local pytorch-2.3.1-py3.8_cuda12.1_cudnn8_0.tar.bz2

六）检查是否安装成功

按图片中的命令检查是否安装成功

写在最后：torchvision和pytorch的版本对应关系

GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Visionhttps://github.com/pytorch/vision