使用anaconda安装pytorch（gpu）_anaconda transform-优快云博客

本文详细介绍了如何通过Anaconda安装PyTorch的GPU版本，包括下载Anaconda，创建conda虚拟环境以避免版本冲突，以及设置国内镜像加速下载PyTorch，并提供了安装后验证GPU加速功能的代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装anaconda

在anaconda官网下载包

bash Anaconda3-2020.11-Linux-x86_64.sh

默认进行，完成之后，重启终端。
如果输入conda之后能够使用，即安装成功。
如果显示没有此命令，需要在~/.bashrc文件中添加：

export PATH="~/anaconda3/bin:$PATH"

然后

source ~/.bashrc

重启即可

创建conda虚拟环境

创建conda虚拟环境，以防止与其他版本冲突

conda create -n pytorch_gpu python=3.8

激活虚拟环境

conda activate pytorch_gpu

在虚拟环境中安装pytorch

安装pytorch

打开pytorch管网，选择conda对应的gpu的版本（由于网速原因，建议使用国内镜像）
在这里插入图片描述
在命令行输入以下命令，让conda使用国内镜像下载：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 
conda config --set show_channel_urls yes

然后在命令行输入：

conda install pytorch torchvision torchaudio cudatoolkit=11.0

完成pytorch安装。
测试是否成功：
输入：python;
测试一下：import torch

验证pytorch的gpu加速

import torch
torch.cuda.is_available()
cuda是否可用；

torch.cuda.device_count()
返回gpu数量；

torch.cuda.get_device_name(0)
返回gpu名字，设备索引默认从0开始；

torch.cuda.current_device()
返回当前设备索引；

params.device = torch.device(‘cuda’ if torch.cuda.is_available() else ‘cpu’)
params.device = torch.device(‘cpu’)
params.n_gpu = torch.cuda.device_count()
params.multi_gpu