win11+cuda+cudnn+pytorch安装

深度学习环境搭建
最新推荐文章于 2025-10-10 19:55:52 发布
原创 最新推荐文章于 2025-10-10 19:55:52 发布 · 1.8k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #python #深度学习

文章目录

一、前言

我的电脑是，联想拯救者y9000p2022，win11系统3060显卡。这两天要跑一个深度学习的项目，开始着手软件的安装和环境的安装，期间看来不少教程，踩了不少坑，这里记录一下防坑要点、好用的教程，以便以后查找，也给大家分享下，少浪费点时间。如果是第一次装的话，建议大家先把这篇文章先浏览一遍。

二、安装软件

1 anaconda和pycharm

anaconda安装比较简单，直接按照这里的教程就行anaconda和pycharm安装教程，这里我说下要点。安装的时候，一定要点install for just me
在这里插入图片描述
要不然下一步就无法自动添加环境变量，需要手动添加
在这里插入图片描述

我没有手动添加过，大家这里不能点的话，只能手动添加了，手动添加环境变量，安装成功后记得用命令测试下，确定没有问题。

  • anaconda可以创建出多个虚拟的环境，每个环境中可以配
最低0.47元/天 解锁文章
【学习AI-相关路程-参考学习-学习他人文章-win11上-安装cuda和cudnn-工具安装 】
qq_22146161的博客
08-15 1552
之前在Linux下也就是Ubuntu 20.04下，安装过cuda环境。【学习AI-相关路程-工具使用-自我学习-NVIDIA-cuda-工具安装 （1）】同时也在jetson orin NX上安装了，如下文章【学习AI-相关路程-工具使用-自我学习-jetson&cuda&pytorch-开发工具尝试-基础样例 （3）】
（Win11）CUDA、CUDNN安装教程
weixin_64064486的博客
11-24 1万+
深度学习环境的配置需要提前安装CUDA，本文提供CUDA的安装步骤，比较细致，希望可以帮助到大家
【pytorch】 Win11下cuda，cudnn以及pytorch环境安装
weixin_48846514的博客
05-19 3484
Win11 cuda,cudnn,pytorch环境安装
小杰深度学习（nine）——CUDA与CuDNN安装
最新发布
2501_92101354的博客
10-10 1485
白云映空碧，突起若积雪。出山日已暮，林火远明灭。
window11系统CUDA、cuDNN 安装以及环境变量配置
热门推荐
争渡的博客
06-17 8万+
虽然 CUDA 包含了一些基本的矩阵运算和线性代数函数，但它不直接包含深度神经网络相关的算法和优化。因此，为了使用 CUDA 进行深度学习任务，您需要安装一个额外的库，例如 cuDNN。因此，通过与 CUDA 结合使用，cuDNN 可以大幅提高深度学习应用的性能和效率。（CUDA Deep Neural Network Library）是 NVIDIA 提供的一个可选的库，用于优化深度神经网络的训练和推理性能。：这里我用 11.4版本为例，流程上是一样的，就是版本号不一样仅此而已。一般这里安装完毕后，会。
Windows11安装CUDA、cuDNN、PyTorch详解
L
10-12 2万+
‌cuDNN（CUDA Deep Neural Network library）是一个由NVIDIA开发的深度学习GPU加速库，旨在为深度学习任务提供高效、标准化的原语（基本操作）来加速深度学习框架在NVIDIA GPU上的运算。此外，PyTorch还具有高度的灵活性和可扩展性，支持多种硬件平台，并且有一个活跃的社区，提供了大量的教程和资源，使得用户可以快速上手并解决实际问题。PyTorch的核心特点包括：‌12。可以看到NVIDIA GPU驱动版本为546.56，支持的CUDA最高版本为12.3。
Windows11安装CUDA、cuDNN、pytorch（GPU）详细教程（包含CUDA安装异常处理）
m0_68220374的博客
12-30 8266
本文仅介绍Windows11系统下安装CUDA、cuDNN、pytorch（GPU）的详细教程，使用的是Anaconda+Pycharm的配置。关于这两个软件的下载安装，本文不做赘述，如有疑问，请大家自行搜索。
win11 + insightface + pytorch + CUDA + cuDNN 实战安装
大树叶 技术专栏
01-15 2994
文章引用1：2：3.4.
Windows 11安装NVIDIA+CUDA(带cuDNN)
taoshiwu的博客
09-29 8151
介绍了Win11下安装NVIDIA驱动和配置CUDA+cuDNN环境教程。
在Windows 11上面安装CUDA 和 CUDNN 详细教程
加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
04-19 5672
在 Windows 11 上安装 CUDA 和 cuDNN 是利用 NVIDIA GPU 进行加速计算和深度学习开发的关键步骤。通过本文的详细讲解，读者可以全面了解 CUDA 和 cuDNN 的概念、安装方法、配置步骤、应用场景以及注意事项。无论是在深度学习框架加速、计算机视觉、高性能计算还是游戏开发等领域，CUDA 和 cuDNN 都能够提供强大的计算支持，帮助开发者提高工作效率和应用性能。随着深度学习和 GPU 计算技术的不断发展，CUDA 和 cuDNN 将持续优化和进化。性能提升。
cuda11.2安装pytorch
qq_21692851的博客
04-03 1304
【代码】cuda11.2安装pytorch。
cuda11.2安装对应版本的pytorch
wo的博客
05-05 4149
配置paddle环境时用的cuda11.2，现在又要配置torch环境，查看torch官网后发现没有cuda11.2对应的torch版本。
python pytorch-GPU 环境搭建 (CUDA 11.2)
m0_58709899的博客
09-06 2万+
如下图所示，为 pytorch 或 tensorflow 的环境搭建逻辑。
Ubuntu18.04 cuda11.2安装 pytorch
qq_39432691的博客
04-25 445
cuda和torch版本不对应也可以
cuda11.2安装pytorch1.7.1
z_l_m_的博客
08-10 728
下载速度太慢了，直接去浏览器下载whl文件，放在C盘外的其它位置。下载torchvision。
cuda11.2安装pytorch——torch.cuda.is_available()=false
didadifish的博客
10-24 1万+
cuda11.2安装pytorch
Cuda11.2pytorch安装
Bleedshot的博客
03-08 2592
pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple/
win11：Anaconda+Pycharm+Cuda+cuDNN+Pytorch(GPU)
Protego的博客
05-14 371
如果还有不一致问题，搜索conda config --show、envs_dirs等解决。
cuDNN安装
洪流之源
11-01 3107
cuDNN安装
win11+cuda12.1+pytorch
03-15
### 安装支持 CUDA 12.1 的 PyTorch 为了在 Windows 11 上成功安装并配置支持 CUDA 12.1 的 PyTorch，以下是详细的说明： #### 系统需求确认 确保 NVIDIA 显卡驱动已更新至最新版本，并通过 NVIDIA 控制面板验证当前系统的 CUDA 版本。可以通过以下方式检查显卡的 CUDA 支持情况： - 打开 NVIDIA 控制面板。 - 转到左侧菜单中的“系统信息”选项。 - 在“组件”标签下查看 CUDA 的具体版本号[^1]。 如果显示的 CUDA 版本为 `12.1` 或更高，则可以继续下一步操作；否则需先升级 GPU 驱动程序以满足最低要求。 #### 下载必要的库文件 对于完整的 CUDA 和 cuDNN 功能实现，建议从官方或其他可信资源获取对应的二进制包。例如，在某些情况下可能需要手动下载 CUDA 工具链以及配套的 cuDNN 库[^2]: ```bash # 使用百度网盘链接作为替代方案之一 (注意密码保护机制) wget https://pan.baidu.com/s/1aOkHVXP2EuwMFYZx0oS9HA -O cudnn_cuda.zip && unzip cudnn_cuda.zip ``` > **重要提示**: 如果上述方法不可用或者存在安全顾虑, 推荐访问[NVIDIA官网](https://developer.nvidia.com/cuda-downloads)寻找正式发行版. #### Conda 创建虚拟环境与依赖管理 推荐采用 Anaconda 来简化 Python 及其科学计算生态的部署流程。执行如下命令创建一个新的 conda 环境，并指定所需的 PyTorch 组件及其兼容性设置: ```bash # 初始化新的 conda env 并激活它 conda create --name torch-env python=3.9 conda activate torch-env # 添加 pytorch 渠道源 (-c 参数)，同时指明目标 cuda 版本(pytorch-cuda=...) conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` 尽管这里选择了较旧但稳定的组合(`pytorch-cuda=11.8`)来匹配大部分硬件条件[^3], 用户也可以尝试调整参数直至完全适配最新的 cuda12.x 构建成果。 完成以上步骤之后，请运行简单的测试脚本来检验整个框架能否正常调用GPU加速功能: ```python import torch print(torch.cuda.is_available()) # 输出 True 表示可用 print(torch.version.cuda) # 展现实际加载的 cuda driver info ``` --- ###
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
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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