【深度学习】一、Pytorch安装和cuda安装

最新推荐文章于 2025-10-11 10:53:15 发布
原创 最新推荐文章于 2025-10-11 10:53:15 发布 · 5.2k 阅读 · 5 ·
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 #人工智能

博主分享了在Windows上配置深度学习环境的经验，包括Anaconda安装失败的问题、CUDA版本与显卡兼容性的确定以及PyTorch的顺利安装。遇到Anaconda因版本过高和杀毒软件导致安装不顺，解决办法是使用旧版Anaconda并关闭杀毒。对于CUDA，博主发现NVIDIA GeForce GTX 1660 Ti显卡仅兼容CUDA 11.5。最后，PyTorch的安装通过清华或阿里云镜像完成。
部署运行你感兴趣的模型镜像

整个过程参考李沐老师的深度学习课程
Windows版本也需要专门看他的视频来安装
多看弹幕 避坑不踩坑

这里记录几个我的过程要点：

一、

一开始是要想在Anaconda3上Jupyter学习深度学习，但是Anaconda3版本太新和打开了杀毒软件导致文件缺失安装不成功。
后面下载老一点的版本并且关掉杀毒软件就可以了。

二、

cuda是显卡驱动。简单来说显卡就是GPU并行计算硬件，cuda就是让其发挥功能的软件，参考链接这里

然后是cuda版本问题很关键，以我的NVIDIA GeForce GTX 1660Ti。就不能安装11.6的cuda版本，由于官网最新的11版本的就是11.6没有多想就踩坑了。具体操作需要查看自己电脑的显卡型号，最后五位数字，我记得我的是497.**。然后去查对应的cuda版本刚好只能用11.5的cuda。
之后安装就很顺利。另外，虽然不情愿，好像只能安装在C盘？（求反驳，C盘真没多少空间了。）

三、

安装pytorch的过程比较顺利。清华镜像或者阿里镜像都可以。
2022.4.16

四、还有一个驱动加速的没安装。需要的时候再来！

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

深度学习小记录——显卡1660Ti适配的Tensorflow和CUDA、CUDNN安装教程
wyf2015fei的博客
05-08 1万+
tensorflow=1.14 可以在命令行中输入以下代码下载tensorflow, pip install tensorflow==1.14 如果嫌下载速度慢,可以添加阿里云的源，清华源可能用的人太多了 pip install tensorflow==1.14 -i https://mirrors.aliyun.com/pypi/simple/ 从网上搜集的数据看，tensorflow版本需...
pytorch的cuda环境搭建（GPU版本安装）
热门推荐
Never-Giveup的博客
04-24 9万+
参考 https://blog.youkuaiyun.com/MarsLee_U/article/details/80489618 https://blog.youkuaiyun.com/u011622208/article/details/80275344 注意：一定要安装cudnn，不然无法进行卷积操作
Ubuntu16.04（GTX1660ti）cuda10.0和cudnn7.6环境配置 （环境乃一生之敌！！！）
SWUSTZ的博客
09-05 7143
Ubuntu16.04（GTX1660ti）cuda10.0和cudnn7.6环境配置 （环境乃一生之敌！！！） 1.下载显卡驱动，到https://www.nvidia.com/Download/index.aspx下载相应的驱动。 （相应驱动指的是和你的计算机所匹配的驱动，可在win下使用DxDiag查看） 2.查看cuda和驱动版本要求：https://docs.nvidia.com/cud...
CUDA、Pytorch安装一览
最新发布
补全缺失的逻辑
10-11 1808
本文介绍了 CUDA、CUDNN 与 PyTorch 的安装流程，说明了三者的依赖关系与版本匹配方法。内容包括显卡支持版本查询、CUDA Toolkit 下载与安装、CUDNN 文件复制及环境变量配置，并提供了 Conda 与 Pip 的 PyTorch 安装命令及验证方法。文章简明清晰，适合初学者快速搭建 GPU 加速的深度学习环境。
Pytorch(GPU)与CUDA的环境配置
Dash4664的博客
10-05 1659
CUDA与Pytorch(GPU)配置
PyTorch与CUDA：初学者必懂的“加速协作”指南
m0_54720701的博客
07-25 3118
PyTorch需要CUDA才能调用GPU：CUDA是“桥梁”，没有它，PyTorch只能用CPU；版本匹配是关键：驱动支持版本 ≥ 系统CUDA版本 ≥ PyTorch编译版本；安装后一定要验证：用确认GPU是否能用，别等训练时才发现问题。如果在实际操作中遇到诸如PyTorch安装后无法调用GPU等具体问题，可以随时告诉我你的情况，我会帮你进一步分析解决。
Pytorch安装 CUDA Driver、CUDA Runtime、CUDA Toolkit、nvcc、cuDNN解释与辨析
m0_53709764的博客
09-03 1810
本文介绍了Pytorch安装过程，详细讲述了CUDA Driver、CUDA Runtime、CUDA Toolkit、nvcc、cuDNN的解释与辨析，以及Pytorch安装过程的各个点与这些概念的联系。
【PyTorch 】【CUDA】深入了解 PyTorch 中的 CUDA 和 cuDNN 版本及 GPU 信息
人生苦短，睡觉要紧，睡醒再说
10-20 5320
在本文中，我们深入探讨了如何在 PyTorch 中检查 CUDA 和 cuDNN 版本、可用 GPU 的信息，以及如何测试 PyTorch 是否正常工作。通过使用提供的示例代码，您可以轻松地验证您的深度学习环境配置是否正确，并确保可以充分利用 GPU 加速计算。常用命令总结在常见问题解答部分，我们提供了一些实用的解决方案，帮助您应对可能遇到的挑战，如更新 CUDA 和 cuDNN、选择特定的 GPU、处理 CUDA 内存不足的问题等。
光谱深度学习基础——pytorch和cuda的安装和配置
qq_42629547的博客
05-03 901
深度学习在高光谱建模的领域应用广泛，而PyTorch是目前最流行的深度学习框架之一。为了充分利用GPU加速深度学习模型的训练和推理，我们需要安装CUDA和cuDNN。本文以个人的4060 Ti为例，介绍如何安装CUDA 12.1、cuDNN以及基于CUDA 12.1的PyTorch。
深度学习之PyTorch安装
12-22
PyTorch是Facebook开源的一款深度学习框架，以其灵活性和易用性受到广大开发者喜爱。本文将详细介绍如何在个人电脑上安装PyTorch。 首先，确保你的电脑满足PyTorch的硬件需求。特别是对于利用GPU进行计算的用户，...
【深度学习】CUDA、cuDNN、pytorch安装
weixin_44950300的博客
09-18 1888
系统已有Anaconda环境，所以跳过这一步，按顺序安装CUDA、cuDNN、pytorch。
精选资源
windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN
01-07
windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN 步骤零：安装anaconda、opencv、pytorch（这些不详细说明）。复制运行代码，如果没有报错，说明已经可以了。不过大概率不行，我的会报错提示...
PyTorch的安装及CUDA环境配置
x572722344的博客
09-14 5469
PyTorch的安装及CUDA环境配置PyTorchCUDAcuDNN PyTorch PyTorch下载地址 PyTorch历史版本下载地址 An open source machine learning framework that accelerates the path from research prototyping to production deployment. 选择安装版本： 默认选择稳定版本即可，如需要指定版本，可在历史版本中寻找安装命令。根据自己系统、安装工具（个人感觉pip比
PyTorch和CUDA有啥关系
bobozai86的博客
02-26 320
可以将它们视为两个不同的软件，都需要单独安装，而它们的关系是：PyTorch 可以通过 CUDA 利用 GPU 加速计算。因此，如果你下载的PyTorch为CPU版本，进行深度学习就完全不需要下载CUDA；我太懒了就直接选的PyTorch的CPU版本然后做实验（虽然我的笔记本也并没有独立GPU）。它和PyTorch的关系是？非常简单，进入PyTorch的官网，选择自己需要的选项，复制下面的语句粘贴到命令行运行即可。进入官网，选择自己需要的选项，点击下载即可，然后安装下载好的.exe文件。
【PyTorch】CUDA、CUDA Toolkit、cuDNN、NVCC及其关系详解
lph159的博客
11-12 5571
CUDA（Compute Unified Device Architecture）是 NVIDIA 推出的通用并行计算平台和编程模型，允许开发者在 NVIDIA 的 GPU 上进行并行计算。CUDA 的核心在于利用 GPU 的多线程处理能力，实现比传统 CPU 高效的并行计算。对于深度学习任务，CUDA 能显著加快矩阵计算、卷积操作等密集型运算，使模型训练效率大幅提升。
安装cuda和Pytorch
石旭先森的博客
05-15 1万+
1. 首先安装cuda和cudnn 参考：CUDA安装教程（超详细）_Billie使劲学的博客-优快云博客_如何安装cuda 先查看本机的cuda支持版本【非常重要，版本不对将无法使用】 win+s，搜索NVIDIA Control Panel，打开NVIDIA控制面板。 选择左下角的系统信息->组件，查看cuda版本 官网：CUDA Toolkit Archive | NVIDIA Developer 然后在该网站选者相应的cudatoolkit版本下载 有一个地方注意，选.
安装pytorch搭配cuda使用
追梦的博客
01-07 3193
深度学习程序，在服务器运行，需要借助GPU加速。
PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm
weixin_45266856的博客
08-08 10000
TytorchPython机器学习库，基于Torch，用于自然语言处理等应用程序Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了condaCUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。
评论
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