深度学习环境搭建

本机环境：

系统：win11
显卡：NVIDIA GeForce RTX 4060 Laptop GPU

1. 安装显卡驱动

• 打开cmd，输入nvidia-smi查看电脑是否已有显卡驱动，如果出现如下输出，说明电脑已存在显卡驱动，可进行第2步
  

• 如果电脑中没有安装显卡驱动，可以到官网下载对应显卡型号的驱动，或下载GeForce Experience。
  注意：安装驱动前，建议先安装VS2022
  

• GeForce Experience安装完成后，下载并安装驱动程序（需要注册登录账号）
  

• 使用nvidia-smi命令检查显卡驱动是否安装完成
  

2. 安装CUDA

注意选择对应版本的CUDA，在上一步中nvidia-smi命令中显示CUDA版本为12.4

• 打开CUDA官网，选择对应版本的CUDA
  
• 下载CUDA
  
• 安装，选择安装位置后，可以使用默认配置安装
  
• 使用如下命令检查CUDA是否安装成功

  nvcc --version
  

  

3. 安装cuDNN

• 打开cuDNN官网
  

• 选择对应版本进行下载
  注意选择对应版本的cuDNN，可在Archive of Previous Releases处找到历史版本的cuDNN

• 安装，选择安装位置后，可以使用默认配置安装
  

4. 安装anaconda

• 打开anaconda下载地址
  
• 安装anaconda，可以使用默认配置安装
  
• 安装完成后，如果在控制台不能直接使用conda命令，需要配置conda环境变量
  
• 双击Path
• 将condabin添加到环境变量中
  
• 保存后，打开一个新的终端，检查conda命令是否可用
  

5. 创建torch虚拟环境并安装PyTorch

• 打开终端，输入如下命令创建torch虚拟环境

  # 创建名为torch的虚拟环境，指定python版本为3.10
  conda create -n torch python=3.10 -y
  # 激活虚拟环境
  conda activate torch
  

• 根据PyTorch官网提供命令安装PyTorch，注意选择对应的操作系统和CUDA版本

  pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
  

• 在终端输入如下命令，检查torch是否能成功调用GPU

  import torch
  torch.cuda.is_available()
  

  

6. 安装Visual Studio Code和PyCharm