Win10+anaconda+CUDA+pytorch+vscode配置

Win10+Anaconda+CUDA+PyTorchVSCode开发环境配置教程,
本文详细指导了在Windows10系统上安装Anaconda、CUDA、cudnn和PyTorch,以及如何配置VSCode以支持PyTorch环境,包括版本确认、虚拟环境管理及IDE设置。
部署运行你感兴趣的模型镜像

1.安装anaconda

官网https://www.anaconda.com 下载安装,路径全英文然后记得有一步添加path路径勾选上

2.安装CUDA

确认CUDA版本

这一步一定要确认自己电脑的GPU是否符号版本要求,打开anaconda prompt,输入nvidia-smi查看电脑GPU状态;
在这里插入图片描述
CUDA version:12.0代表你的电脑所能安装的CUDA的最高版本,CUDA版本向下兼容,可以安装比12.0小的CUDA版本;
若电脑上已经安装CUDA,安装新的版本之前一定要先卸载旧版本具体方法参考:
卸载CUDA

确认CUDA和pytorch版本

根据官网:https://pytorch.org/get-started/previous-versions/
找到自己要安装的pytorch版本选择对应的CUDA版本

安装CUDA

一定要根据上面两步确认自己的电脑应该安装哪个版本的CUDA避免后续出现问题;
官网下载:https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
下载成功后双击.exe打开进行安装,有一步不选择精简,选择自定义安装。其他安装按照默认步骤进行即可,记住自己的安装路径;

3.安装cudnn

官网下载cudnn
在这里插入图片描述

一定要选择和CUDA版本匹配的版本
注意这里下载需要注册,可以复制链接和迅雷一起食用效果更佳
下完成后,解压到本地,打开之前cuda的安装目录:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
找到你安装的版本目录,打开,找到bin、include、lib目录,将cuDNN压缩包内对应的文件复制到bin、include、lib目录。

4.安装Pytorch

打开anaconda prompt
在这里插入图片描述
pytorch和python对应的版本:https://blog.youkuaiyun.com/Y2894297258/article/details/130775874

conda enc list #查看已经存在的虚拟环境
conda remove -n pytorch_c --all #删除名为pytorch_c的虚拟环境
conda create -n pytorch_x python=3.6 #创建名为pytorch_x的虚拟环境,python的版本根据需要选择
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch #根据pytorch官网给的conda命令进行安装,直接官网安装可能慢一些,可以使用国内的镜像源

安装完成后,输入

python
import torch
torch.__version__
torch.cuda.is_avalible() #true则为安装成功GPU版本的

5.vscode配置

安装VScode

从官网下载,然后默认安装

vscode配置pytorch环境

安装python插件
在这里插入图片描述
添加Python解释器
按快捷键 “Ctrl+Shift+P” ,调出全局设置搜索窗口,然后输入 “Python:Select Interpreter” 后会出现 “Python:Select Interpreter” 选项,点击该选项;注意这里的python.exe要选择自己的pytorch环境下的;
激活pytorch环境
打开一个终端
若是PS中断输入

cmd 			#回到CMD
conda activate pytorch_c #激活pytorch环境

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

### 配置 Windows 11 上的 VSCode 深度学习开发环境 #### 安装 Miniconda 创建 Python 虚拟环境 为了简化包管理隔离项目依赖,在 Windows 11 中推荐先安装 Miniconda 来管理不同的 Python 版本及其对应的库文件。通过命令提示符或 PowerShell 执行如下指令来建立一个新的 conda 环境并激活它: ```bash conda create --name pytorch python=3.9 conda activate pytorch ``` 这一步骤确保了一个干净的工作空间,减少了不同版本间可能产生的冲突[^1]。 #### PyTorchCUDA 工具链集成 对于希望利用 GPU 加速训练过程的研究人员来说,正确设置 NVIDIA 提供的 CUDA Toolkit 至关重要。可以从官方网站下载适用于 Windows 平台最新稳定版 CUDA,并按照官方指南完成本地驱动程序更新以及 cuDNN 库的获取与配置工作之后,再回到 Conda 终端继续执行以下操作以安装带有 CUDA 支持的 PyTorch 发行版: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 ``` 这里假设已经预先准备好了兼容当前硬件规格的 CUDA 11.7 SDK;如果使用的显卡型号较新,则需参照实际支持情况调整上述 URL 参数中的 `cu` 后缀部分[^4]。 #### Visual Studio Code 设置 启动 VSCode 编辑器后,建议优先考虑安装由 Microsoft 开发维护的一系列 Remote - SSH / WSL 插件集,以便日后能够更加灵活便捷地连接到远程服务器或者 Linux 子系统进行协同编程作业。与此同时,Python Extension Pack 是另一个不可或缺的选择,其内含诸多有助于提高生产力的功能特性,比如 IntelliSense 自动补全、Linting 语法检查等服务[^3]。 针对之前所创建好的 Anaconda Environment ,可以在 IDE 下拉菜单中找到对应条目从而指定解释器路径,进而实现无缝衔接两者之间的交互体验。另外值得注意的是,当涉及到 Jupyter Notebook 文件(.ipynb)编辑需求时,同样可以通过附加相应插件获得更佳的支持效果。 最后验证 Torch 是否正常加载并且确认能否检测到可用的 GPU 设备: ```python import torch print(torch.__version__) if torch.cuda.is_available(): print('CUDA is available') else: print('No CUDA detected.') ``` 这段脚本会打印出已安装 PyTorch 的具体版本号,并告知是否存在有效的 CUDA 访问权限[^5]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值