Jupyter Notebook创建GPU的Pytorch环境
1.创建虚拟环境
首先打开 Anaconda Prompt 命令窗口
输入 conda create -n pytorch_gpu(代表环境名称) python=3.10(使用的python版本)
![](https://img-blog.csdnimg.cn/img_convert/60c89631850ea3a1bd20f5820877b738.png)
输入 conda info --envs 可以查看当前创建的虚拟环境
![](https://img-blog.csdnimg.cn/img_convert/ff45a7eeec9bd6dfcbcf40c5fcb8797b.png)
接着在创建的虚拟环境安装GPU版的Pytorch,先激活刚创建的虚拟环境
输入 conda activate pytorch_gpu
![](https://img-blog.csdnimg.cn/img_convert/619939b189b98e3ad9560eca965f44ba.png)
如上图所示为激活虚拟环境
在该环境下安装pytorch
Pytorch下载地址:https://pytorch.org/get-started/previous-versions/
![](https://img-blog.csdnimg.cn/img_convert/e458abded8a76d69aed49dd10aa25710.png)
下拉找到带 cu 的版本为gpu版本,复制该连接到操作窗口
![](https://img-blog.csdnimg.cn/img_convert/cca453f5933fdf4befcfe0fe0b7418c0.png)
按下回车键等待下载自动安装即可
安装完成后输入 pip list ,查看已经安装的包
![](https://img-blog.csdnimg.cn/img_convert/37c8ec9d48ecf036c16f620e323d5f65.png)
![](https://img-blog.csdnimg.cn/img_convert/04adc41def845213221dd2fc0f73596a.png)
至此,GPU的Pytorch虚拟环境搭建完成。
2.从 Anaconda 文件打开 Jupyter Notebook
![](https://img-blog.csdnimg.cn/img_convert/3292ebe75704fe85830347b0b409ec84.png)
![](https://img-blog.csdnimg.cn/img_convert/e6944ad90e6ffc4974919d040774d88a.png)
在新建文件时选择刚创建的 带 gpu的虚拟环境
或者在测试时选择 带gpu的虚拟环境
![](https://img-blog.csdnimg.cn/img_convert/176690937b29a00d02a11aeef3143db4.png)
输入以下代码测试 torch、cuda 是否可用
import torch # 如果 pytorch 安装成功即可导入
print(torch.cuda.is_available()) # 查看 cuda 是否可用
print(torch.cuda.device_count()) # 查看可用的 cuda 数量
print(torch.version.cuda) # 查看 cuda 的版本号
![](https://img-blog.csdnimg.cn/img_convert/d77dcfb3bdfd0137611300e632e115d7.png)
![](https://img-blog.csdnimg.cn/img_convert/2d3691c5ebb32f545d6c2466b9a0b075.png)
运行后输出如上图结果则完成。
3.删除 Jupyter Notebook 多余的 kernel 选项
![](https://img-blog.csdnimg.cn/img_convert/6eb219cb02d5abe7b18a5e537d730690.png)
或者
![](https://img-blog.csdnimg.cn/img_convert/85ac0943d3a3ebe5016c7c831b5bf883.png)
首先打开 Anaconda Prompt 命令窗口
![](https://img-blog.csdnimg.cn/img_convert/76f47aac6e37739eeee241cf982530f8.png)
在命令窗口输入 jupyter kernelspec list 获取所有内核的路径
![](https://img-blog.csdnimg.cn/img_convert/7960b603657f6aaa10c069bb845ec248.png)
然后输入 jupyter kernelspec remove 环境名称 来删除不要的 kernel
![](https://img-blog.csdnimg.cn/img_convert/49c1c0d11c4e4ea69ea5dcfbcd3a774f.png)
![](https://img-blog.csdnimg.cn/img_convert/8b231fb54592c452d0dc47e9a531ace3.png)
输入 y 再按下回车键即可删除不要的 kernel
再次输入 jupyter kernelspec list 获取所有内核的路径,可以看到 basic_py 已经被删除
![](https://img-blog.csdnimg.cn/img_convert/e3250a3b03b26c05d2a10454032b3d57.png)
关闭 Jupyter Notebook 再重新打开,可以看到 basic_py 的 kernel 选项已经没有了
![](https://img-blog.csdnimg.cn/img_convert/a98475dbc21196310a48c0a4d8a9bff0.png)
![](https://img-blog.csdnimg.cn/img_convert/b416ca6ef07dbfdaef640a3e9c805f89.png)