Win10 + CUDA12.3+pytorch手动安装-3.0版本

原创 已于 2024-07-07 05:01:38 修改 · 1.5w 阅读 · 76 ·
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 #python #cuda #pycharm #安装

于 2023-11-27 16:10:37 首次发布
本文详细描述了在Windows10上安装Anaconda、CUDA和PyTorch，包括Anaconda的路径配置、CUDA的下载与验证以及PyTorch的离线安装步骤，还指导了PyCharm配置Python解释器的过程。

  1、安装环境

OS:              Win10 专业 x64
Python:      Python 3.7.7（通过Anaconda软件自带安装）
Anaconda: Anaconda3-2023.09-0-Windows-x86_64.exe【这个版本自带的python是3.11】
CUDA:       cuda_12.3.1_546.12_windows.exe  ，根据操作系统不同，可以在线选择不同版本下载，官方界面：下载地址

Pytorch：官方是Pytorch在线指令安装，建议参考我后面的离线手动安装，速度比较快。

Pycharm：pycharm-community-2023.2.5.exe,开发工具，社区免费版，下载后，自行一路默认安装。

 2、Anaconda安装过程

1.选择新安装路径：D:\ProgramData\anaconda3

2.勾选两个：选择Just me用户（安装更快更简单）。其他我默认安装了，后面第三步手动配置环境变量path。

3、然后在环境变量Path中手动添加Anaconda的path路径：

  • 右击我的电脑属性，打开高级系统设置，配置环境变量。

 在path变量中，添加如下路径：

D:\ProgramData\anaconda3
D:\ProgramData\anaconda3\Scripts
D:\ProgramData\anaconda3\Library\bin
D:\ProgramData\anaconda3\Library\mingw-

最低0.47元/天 解锁文章
三世
关注
Python&aconda系列：GPU深度学习环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda以及对应版本
weixin_54626591的博客
12-18 4065
GPU深度学习环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda以及对应版本
【通义千问】大模型Qwen GitHub开源工程学习笔记（5）-- 模型的微调【全参数微调】【LoRA方法】【Q-LoRA方法】
weixin_46481662的博客
01-07 3110
注意，如果你使用预训练模型进行LoRA微调，而非chat模型，模型的embedding和输出层的参数将被设为可训练的参数。秩分解矩阵可以看作是一种特殊的调料，它可以改变模型的行为，使模型更好地适应新的任务，但并不会改变原有的食材（即预训练模型的权重）。相比之下，LoRA将预训练模型的权重冻结，并在转换器架构的每一层注入可训练的秩分解矩阵。这意味着在这种方法中，原始的预训练权重 W 是固定的，不会在后续的训练过程中进行更新，而是只对 A 和 B 进行训练。在全参数微调中，所有的模型参数都会被重新训练。
Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）
2302_76726543的博客
12-01 3万+
最近训练模型跑代码需要用到nvidia的cuda架构加速，结果网上几乎找不到什么能直接解决问题的教程，最后东拼西凑了几个小时才搭建完成，所以想整理出这篇集百家之精华的教程，防止自己以后太久不用忘记了。
Windows 10 安装 CUDA、cuDNN 及验证步骤总结
当 AI 开始写文章、绘星空，甚至预测未来，您还在旁观吗？这里将剖开人工智能的思考逻辑，拆解 AI 创作的底层密码，也聊聊人工智能里的人文温度。每篇都有让你拍案的细节，快来解锁 AI 时代的神奇世界！
09-16 1311
变量名变量值（默认路径）变量值（自定义路径示例）
如何安装和配置 PyTorch+CUDA 环境？常见报错解决方案
最新发布
2501_91798322的博客
11-06 1961
PyTorch推荐用官方提供的命令安装，自动匹配CUDA版本。步骤1：选择PyTorch版本打开PyTorch官网（https://pytorch.org/get-started/locally/），选择：PyTorch Build：Stable（稳定版）Package：Pip（新手推荐，简单易操作）CUDA：11.8（与之前安装的CUDA版本一致）。步骤2：执行安装命令。
pytorch2.0-gpu+python3.10+cuda12.3安装
weixin_73749601的博客
05-16 1350
PyTorch的版本需要与Python和CUDA版本对应以确保兼容性。本文提供了CUDA与PyTorch、Python与PyTorch的对应关系表，并指出CUDA 12.3与PyTorch 2.0.0兼容。作者使用Python 3.10和CUDA 12.3，因此选择安装PyTorch 2.0.0。安装过程包括创建虚拟环境、从镜像网站下载torch和torchvision、在虚拟环境中安装，并确保在PyCharm中加载的虚拟
深度学习环境配置（Pytorch，CUDA=12.3）
weixin_72740072的博客
07-21 2147
t=N7T8。
ubuntu18.04 cuda11.7 cudnn11.x pytorch1.11.0
小白的博客
08-04 6016
ubuntu
Win10 + CUDA11.7+pytorch手动安装-2.0版本
热门推荐
qimo601的专栏
06-07 5万+
利用anaconda安装pytorch环境，2022年更新。
pytorch gpu运行安装重点（CUDA12.3）
weixin_45597212的博客
01-12 3万+
pytorch gpu加速
这是虚拟环境里的包，如果升级python会报错吗，absl-py 2.3.1 accelerate 1.8.1 airsim 1.8.1 annotated-types 0.7.0 antlr4-python3-runtime 4.9.3 anyio 4.9.0 av 15.0.0 black 25.1.0 blas 1.0 brotlicffi 1.0.9.2 bzip2 1.0.8 ca-certificates 2025.2.25 cairo 1.16.0 cccl 2.3.2 certifi 2025.7.9 cffi 1.17.1 chardet 5.2.0 charset-normalizer 3.4.2 click 8.1.8 cloudpickle 3.1.1 colorama 0.4.6 contourpy 1.3.0 cuda-cccl 12.4.127 cuda-cccl_win-64 12.4.127 cuda-cudart 12.4.127 cuda-cudart-dev 12.4.127 cuda-cudart-dev_win-64 12.4.127 cuda-cudart-static 12.4.127 cuda-cudart-static_win-64 12.4.127 cuda-cudart_win-64 12.4.127 cuda-cupti 12.4.127 cuda-libraries 12.4.1 cuda-libraries-dev 12.4.1 cuda-nvrtc 12.4.127 cuda-nvrtc-dev 12.4.127 cuda-nvtx 12.4.127 cuda-opencl 12.4.127 cuda-opencl-dev 12.4.127 cuda-profiler-api 12.4.127 cuda-runtime 12.4.1 cuda-version 12.4 cycler 0.12.1 cython 3.1.2 dav1d 1.2.1 decord 0.6.0 deprecated 1.2.13 detectron2 0.6 distro 1.9.0 exceptiongroup 1.3.0 expat 2.7.1 ffmpeg 6.1.1 filelock 3.18.0 fontconfig 2.14.1 fonttools 4.58.5 freetype 2.13.3 fsspec 2025.5.1 fuzzywuzzy 0.18.0 fvcore 0.1.5.post20221221 giflib 5.2.2 gmp 6.3.0 gmpy2 2.2.1 graphite2 1.3.14 grpcio 1.73.1 h11 0.16.0 h5py 3.14.0 harfbuzz 10.2.0 hf-transfer 0.1.9 httpcore 1.0.9 httpx 0.28.1 huggingface-hub 0.33.4 hydra-core 1.3.2 icu 73.1 idna 3.10 imageio 2.37.0 imgviz 1.7.6 importlib-metadata 8.7.0 importlib-resources 6.5.2 intel-openmp 2023.1.0 iopath 0.1.9 jinja2 3.1.6 jiter 0.10.0 jpeg 9e khronos-opencl-icd-loader 2024.05.08 kiwisolver 1.4.7 lazy-loader 0.4 lcms2 2.16 lerc 3.0 levenshtein 0.27.1 libabseil 20250127.0 libcublas 12.4.5.8 libcublas-dev 12.4.5.8 libcufft 11.2.1.3 libcufft-dev 11.2.1.3 libcurand 10.3.5.147 libcurand-dev 10.3.5.147 libcusolver 11.6.1.9 libcusolver-dev 11.6.1.9 libcusparse 12.3.1.170 libcusparse-dev 12.3.1.170 libdeflate 1.17 libffi 3.4.4 libglib 2.84.2 libiconv 1.16 libjpeg-turbo 2.0.0 libnpp 12.2.5.30 libnpp-dev 12.2.5.30 libnvfatbin 12.4.127 libnvfatbin-dev 12.4.127 libnvjitlink 12.4.127 libnvjitlink-dev 12.4.127 libnvjpeg 12.3.1.117 libnvjpeg-dev 12.3.1.117 libogg 1.3.5 libpng 1.6.39 libprotobuf 5.29.3 libtheora 1.1.1 libtiff 4.5.1 libtorch 2.5.1 libuv 1.48.0 libwebp 1.3.2 libwebp-base 1.3.2 libxml2 2.13.8 lz4-c 1.9.4 markdown 3.8.2 markupsafe 3.0.2 matplotlib 3.9.4 mkl 2023.1.0 mkl-service 2.4.0 mkl_fft 1.3.11 mkl_random 1.2.8 mpc 1.3.1 mpfr 4.2.1 mpmath 1.3.0 msgpack-python 0.5.6 msgpack-rpc-python 0.4.1 mypy-extensions 1.1.0 networkx 3.2.1 numpy 2.0.2 numpy-base 2.0.2 omegaconf 2.3.0 openai 1.95.1 opencv-contrib-python 4.12.0.88 opencv-python 4.12.0.88 opencv-python-headless 4.12.0.88 openjpeg 2.5.2 openssl 3.0.16 opentelemetry-api 1.30.0 orjson 3.11.0 packaging 25.0 pathspec 0.12.1 pcre2 10.42 pillow 11.3.0 pip 25.1 pixman 0.40.0 platformdirs 4.3.8 portalocker 3.2.0 protobuf 6.31.1 psutil 7.0.0 pycocotools 2.0.10 pycparser 2.21 pydantic 2.11.7 pydantic-core 2.33.2 pyparsing 3.2.3 pyqt5 5.15.11 pyqt5-qt5 5.15.2 pyqt5-sip 12.17.0 pysocks 1.7.1 python 3.9.23 python-dateutil 2.9.0.post0 python-levenshtein 0.27.1 pytorch 2.5.1 pytorch-cuda 12.4 pytorch-mutex 1.0 pywin32 310 pyyaml 6.0.2 qwen-vl-utils 0.0.8 rapidfuzz 3.13.0 regex 2024.11.6 requests 2.32.4 safetensors 0.5.3 scikit-image 0.24.0 scipy 1.13.1 segment-anything 1.0 setuptools 72.1.0 shapely 2.0.7 six 1.17.0 sleef 3.5.1 sniffio 1.3.1 sqlite 3.45.3 submitit 1.5.3 sympy 1.13.1 tabulate 0.9.0 tbb 2021.8.0 tensorboard 2.19.0 tensorboard-data-server 0.7.2 termcolor 3.1.0 tifffile 2024.8.30 timm 1.0.17 tk 8.6.14 tokenizers 0.21.2 tomli 2.2.1 torch 2.7.1 torchaudio 2.5.1 torchvision 0.22.1 tornado 4.5.3 tqdm 4.67.1 transformers 4.53.2 typing-extensions 4.14.1 typing-inspection 0.4.1 typing_extensions 4.12.2 tzdata 2025b ucrt 10.0.22621.0 urllib3 2.5.0 vc 14.3 vc14_runtime 14.44.35208 vs2015_runtime 14.44.35208 werkzeug 3.1.3 wheel 0.45.1 win_inet_pton 1.1.0 wrapt 1.17.0 xz 5.6.4 yacs 0.1.8 yaml 0.2.5 zipp 3.23.0 zlib 1.2.13 zstd 1.5.6
07-18
注意：在安装过程中，可能会遇到一些包不兼容的情况，需要手动处理。 根据用户提供的包列表，我们注意到有`torch`、`torchvision`等，这些包通常需要与CUDA版本匹配，并且需要下载对应Python 3.10的版本。因此，...
【G3D笔记】AI生成式3D算法相关环境安装爬坑笔记
老富的博客
03-18 2344
更新中…本章是关于生成式AI3D相关算法环境搭建过程中的错误记录，涉及技术有：Ray Marching 射线步进，一种用于实时场景的快速渲染方法，可以将SDF模型显示出来。Tiny CUDA Neural Networks， 快如闪电的 C++/CUDA 神经网络框架，小型的、独立的框架，用于训练和查询神经网络。PyTorch3D：使用 3D 数据进行深度学习的库。
Pytorch-0.4.1兼容CUDA9.0
01-10
Pytorch-0.4.1兼容CUDA9.0，下载进入文件目录安装即可
工业视觉笔记快捷搜索---目录
weixin_47059239的博客
06-21 1290
工业视觉需要时可抄的代码---持续更新 一(1-28)目录1、批量访问图片，等待键盘1.2 批量访问图像（不用提前批量重命名）--访问文件夹底下所有同类型图像1.2.1 单独只有批量访问的1.3 批量访问图像（也是不用提前批量重命名）--访问文件夹底下所有同类型图像1.4 批量访问图像（也是不用提前批量重命名）--访问文件夹底下所有同类型图像1.5 批量访问图像（不用提前批量重命名）--单张和批量前面路径相同(jiefeng)1.6 批量访问图像（不用提前批量重命名）--单张和批量前面路径相同(bioake
记录 Windows11安装支持CUDA12.3的Pytorch版本，验证PyTorch是否安装成功
love530love的博客
12-06 2万+
Windows11安装支持CUDA12.3的Pytorch版本，验证PyTorch是否安装成功
pytorch与cuda版本对应关系汇总
u011489887的专栏
12-27 5万+
pytorch与cuda版本关系 |cuda版本| 支持pytorch版本 | |–|–| | cuda10.2 | 1.5 ~ 1.12 |
CUDA12.3安装pytorch2.1.0
handsome_lionet的博客
01-31 3550
因为是最新版所以官网还没有出对应的版本，故尝试上一版。验证torch能否正常使用以及版本。torch进行简单的计算。
Pytorch和CUDA版本对应关系
高性价比服务器就选：蓝易云
07-20 2万+
请注意，上述版本对应关系只是示例，并非详尽无遗。实际上，PyTorch的每个版本通常会支持多个CUDA版本，而具体支持的CUDA版本也可能因操作系统、硬件配置等因素而有所不同。因此，在使用PyTorch时，建议参考PyTorch官方文档或社区支持的信息，以获取最准确和最新的PyTorch与CUDA版本对应关系。PyTorch可以利用NVIDIA的CUDA技术加速计算，从而提高深度学习模型的训练和推理性能。希望这个回答对你有所帮助，如果有任何进一步的疑问，请随时提问。
新手保姆级GPU版本pytorch安装（win系统），CUDA和torch对应版本！
xhdbobo的博客
04-19 1万+
CUDA和cuDNN安装教程！
PyTorch 2.0 + CUDA 12.3 安装配置指南
本文所提到的《PyTorch2.0安装指南[项目源码]》详细阐述了如何在 Python 3.10 与 CUDA 12.3 的环境下成功安装支持 GPU 加速的 PyTorch 2.0 版本，这对于从事人工智能、机器学习以及计算机视觉相关工作的开发者而言...
评论 1
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