手把手教你用Anaconda搭建PyTorch深度学习环境（避坑指南）

最新推荐文章于 2025-06-26 11:16:29 发布

「已注销」

最新推荐文章于 2025-06-26 11:16:29 发布

阅读量869

点赞数 19

CC 4.0 BY-SA版权

文章标签：深度学习 pytorch 人工智能其他

本文链接：https://blog.youkuaiyun.com/byteflow8/article/details/147623512

文章目录

最近好多小伙伴私信问我PyTorch环境配置总出错怎么办？今天我就用最接地气的方式，带大家用Anaconda三步搞定PyTorch环境搭建！（文末有彩蛋）

🚀 准备工作（别急着跳步骤！）

安装Anaconda
去清华镜像站下载最新版（2023年推荐选Python3.9版本）。安装时千万记得勾选👇
✅ Add Anaconda to my PATH environment variable
（不然之后命令行都用不了，别问我怎么知道的🙃）
换国内镜像源（速度飙升10倍！）
打开终端输入：

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

💡 核心操作（重点来了！）

步骤1：创建独立环境

conda create -n pytorch_env python=3.8

（为什么用3.8？因为最新版PyTorch可能还没适配最新Python版本，这里求稳）

步骤2：激活环境

conda activate pytorch_env

看到命令提示符前面出现(pytorch_env)才算成功！（新手常在这里翻车）

步骤3：安装PyTorch

打开PyTorch官网选择你的配置：

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

（重点提醒！CUDA版本要和显卡驱动匹配，不确定的看文末常见问题）

🚨 常见坑点（血泪经验！）

CUDA版本不对应
运行nvidia-smi查看支持的CUDA最高版本，比如显示11.7就选cudatoolkit=11.7
conda和pip混用
要么全用conda，要么全用pip！混用会导致依赖冲突（别问我怎么解决，重装更快🙈）
镜像源没生效
如果下载速度慢，试试：
```
conda clean -i
conda config --remove-key channels
```
重新配置镜像源

✅ 验证安装（必须做！）

打开Python解释器输入：

import torch
print(torch.__version__)  # 查看版本
print(torch.cuda.is_available())  # 显示True才算GPU可用！

🌈 终极技巧（官网不会告诉你）

离线安装法
在清华镜像下载对应版本的.tar.bz2文件，然后：
```
conda install /path/to/package.tar.bz2
```
环境克隆大法
做好环境后记得：
```
conda env export > environment.yaml
```
下次直接conda env create -f environment.yaml秒恢复！