《一文搞定PyTorch/TensorFlow GPU环境搭建（Windows篇）》

本文是在windows平台上搭建的环境，2.1搭建PyTorch_GPU环境。2.2搭建TensorFlow_GPU环境。如果有项目需要两个环境，注意CUDA版本要两个都通用。

---

前言

自从上篇简单介绍了如何在windows上搭建TensorFlow和PyTorch环境后，博主以为GPU环境应该也同样简单，然后自己动手搭建的时候，才发现完全不一样。本篇就介绍一下，新手如何在windows平台上搭建PyTorch和TensorFlow——GPU版本

---

一、搭建整体流程

• 根据对照表进行，显卡驱动版本下载 → CUDA版本下载 → cuDNN版本下载 → PyTorch/TensorFlow版本下载。
  • PyTorch版本对照表
  • TensorFlow版本对照表（不能科学上网的可以去优快云搜索对照表）

二、搭建步骤（核心）

2.1 在Windows平台搭建PyTorch GPU环境

2.1.1 下载显卡驱动

• 下载显卡驱动(通过NVIDIA App下载)
  随便选一个。
  
  下载后输入nvidia-smi查看GPU信息。具体过程，按住win+r键，输入cmd，在命令行输入nvidia-smi，就得到下面结果。(如果输入显示命令错误，则应该是没有配置环境变量，教程网上去找)

CUDA Version 12.8表示，只要你安装的PyTorch，Tensorflow GPU小于这个版本就行。

2.1.2 安装PyTorch CUDA版本

本文推荐通过本地下载。官网下载速度太慢（国内），国内镜源下载版本又太旧。选择本地，可以通过迅雷等工具下载最新的版本，然后本地安装即可。（有点复杂，新手可以选择官网下载，大约2小时左右）
我们以下载Pytorch cuda12.4版本为例子。

1. 打开- PyTorch版本对照表
   找到CUDA 12.4，记住对应的torch，torchvision，torchaudion版本，然后复制后面的地址打开 https://download.pytorch.org/whl/cu124
   
   比如我们点击torch，然后一直下拉，找到红线部分。然后点击下载到本地。
   
   其中torch-2.5.1 是版本，cu124是CUDA 12.4版本，cp310是Python 3.10版本。win_amd64指的是windows_64位系统（一定要严格对应）。

2. 同理下载对应的torchvision，torchaudion版本。

3. 打开Anaconda Prompt 创建环境(-n 创建环境，pytorch_gpu_env环境名称，python=3.10表示python版本是3.10)，并conda activate <环境名称> 激活环境
   

4. 通过Pytorch官网下载非torch，torchvision，torchaudio部分。具体操作就是复制地址，输入到conda命令里面。
   
   

一直下载到最花时间的部分的时候，按ctrl+c终止下载

输入pip install <本地地址>\torch-2.5.1+cu124-cp310-cp310-win_amd64.whl 进行本地下载

本文下载的本地地址是E盘的new_c文件里面(一定下载到全英文地址的文件下)，所以安装地址是pip install E:\new_c\torch-2.5.1+cu124-cp310-cp310-win_amd64.whl。同样的方式下载其余两个包就行了。
最后输入以下命令，即可验证下载好的Pytorch gpu版本是否成功。

python -c "import torch; print(f'PyTorch版本: {torch.__version__} | CUDA可用: {torch.cuda.is_available()} | GPU数量: {torch.cuda.device_count()} | 当前GPU: {torch.cuda.get_device_name(0) if torch.cuda.is_available() else None}')"

---

2.2 在Windows平台搭建TensorFlow GPU环境

这个相较于PyTorch要复杂一点点，主要是要下载Visual Studio，CUDA Toolkit，cuDNN，TensorFlow_gpu，我们以tensorflow_gpu_2.10.0为例。

2.2.1 下载显卡驱动，CUDA Toolkit，cuDNN。

下载NVIDIA驱动方式跟前面一样，主要讲解后面两个。打开TensorFlow版本对照表（不能科学上网的可以去优快云搜索对照表），找到对应的cuda和cuDNN版本。

• 安装CUDA 11.2，打开CUDA Toolkit网站，找到以前的11.2 版本，点击选择对应版本进行下载。
  
  
  Version 10表示系统是windows 10版本。

注意在安装CUDA Toolkit的时候，需要下载Visual Studio，因为CUDA Toolkit需要一些安装包只有Visual Studio才有，因此需要下载Visual Studio，选择桌面C++和Windows 11/10 SDK

然后点击刚才下载好的CUDA Toolkit安装包，在选项那里选择自定义(勾选全部)。

一直点下一步就行。
安装好后，可以输入nvcc --version查看是否安装正确。（具体操作就是按住win+R，然后输入cmd。在命令行输入nvcc --version)

(如果输出有误，可能是环境变量没配置)

• 安装cuDNN 8.1， 找到对应的版本的cuDNN进行下载。
  

下载解压后，会得到3个包。

此时打开刚才安装CUDA Toolkit安装的位置(默认是在C:\Program Files)

一直点击进去，将cuDNN解压的bin，include，lib的文件夹复制到CUDA Toolkit对应的文件里进行替换。

此时CUDA环境就配置好了，接下来就安装对应的TensorFlow了。

2.2.2 安装TensorFlow_GPU版本

在conda创建并激活环境后，按照对照表，下载对应的tensorflow_gpu版本。(本文对应的是tensorflow_gpu-2.10.0版本)

安装好后，输入以下代码进行，验证查看是否成功。(这里要注意，安装的时候，Numpy包一般会版本过大，要调低版本，具体网上去搜。如果检查完，CUDA，cuDNN，TensorFlow版本都正确却输出有误的情况下，重启一次电脑可能会解决问题。)

python -c "import tensorflow as tf; print(f'TensorFlow版本: {tf.__version__}\\nGPU列表: {tf.config.list_physical_devices(\"GPU\")}')"

三 总结

简单说，安装环境的过程就是:
1 先看对照表，记录一下对应的版本。
2 按照对照表，下载对应的cuda相关驱动。(pytorch_cuda版本已经自动配置好了对应的cuda和cudnn，而tensorflow需要单独下载cuda和cudnn，此外每下载完一个驱动记得配置环境变量，并检查是否安装成功)
3 安装对应的PyTorch和TensorFlow版本，并验证。