ubuntu利用conda创建虚拟环境，并安装cuda cudnn pytorch

最新推荐文章于 2025-04-25 14:55:30 发布
转载 最新推荐文章于 2025-04-25 14:55:30 发布 · 4k 阅读 · 4

本文介绍如何使用Anaconda安装包创建并激活指定Python版本的虚拟环境，并详细说明了如何在该环境中安装CUDA和cuDNN以支持GPU计算。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

d到安装包所在目录，安装：bash Anaconda3-5.1.0-Linux-x86_64.sh

创建虚拟环境：conda create -n your_env_name python=3.6
 

激活虚拟环境：source activate your_env_name

 

安装cuda:conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
 

安装cudnn:conda install cudnn=7.0.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

注：

安装conda完成后，输入conda list,若出现未找到命令，则需修改环境变量：export PATH=~/anaconda3/bin:$PATH（此法每次开机后都要修改，也可修改配置文件永久生效）

每个不同镜像网站里面包含各种不同的下载包，可根据自己的需求打开查找对应的安装包，

如cudatoolkit 8.0.3 在https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/内，

则安装命令如：conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/ 即可。

【AI】Ubuntu20.04安装cuda、cuDNN、Anacodna、PyTorch
郭老二
06-08 2511
1）选择PyTorch版本：2.0.12）对应的CUDA版本：11.7或者11.8，选择较新的11.83）确定显卡是否支持，使用命令nvidia-smi查看显卡驱动版本及支持的CUDA，本人的为124）cuDNN版本选择和CUDA版本对应的最新版本v8.9.1。
Ubuntu18.04配置深度学习环境CUDA cudnn conda pycharm pytorch
weixin_42679387的博客
09-18 593
(24.9.18 Y7000)目前选择的是10.1 update2版本Linux x86_64 Ubuntu 18.04 runfile(local) 选择后会出现wget命令与执行命令，在控制台运行即可。(24.9.18)目前8.0.5 for CUDA10.1，nvidia驱动安装(此次未涉及)，直接测试查看驱动信息。，显卡驱动存在可忽略，显卡驱动取消勾选，成功安装输出。，解压后将文件复制到对应文件夹，并修改权限。配置环境变量，编辑.bashrc文件，下载全部三个文件，依次dpkg，并测试。
【Anaconda虚拟环境中安装CUDA Toolkit ，cuDNN， PyTorch 和相关依赖包】
Toxlin的博客
10-12 1847
这条命令的作用：该命令将当前 Python 环境（例如 Conda 环境）注册为一个新的 Jupyter 内核。这样你可以在 Jupyter Notebook 中使用该内核来运行代码。为什么要这样做？如果你有多个 Python 环境（例如 Conda 虚拟环境），你可以通过这种方式将每个环境添加为 Jupyter Notebook 的内核，以便在 Jupyter Notebook 中轻松切换不同的 Python 环境。
在conda虚拟环境安装pytorch
qq_45159591的博客
07-07 968
安装后检查是否安装成功。
conda安装cuda+cudnn+pytorch【一条龙服务，以cuda12.1版本为例】
最新发布
m0_65788436的博客
04-25 1375
安装步骤在Window和ubuntu系统中应该是一致的，
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置tensorflow-gpu
liao_kyle的博客
06-07 2万+
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置tensorflow-gpu
Anaconda虚拟环境中安装CUDA
热门推荐
努力搬砖的打工人
12-21 4万+
解决问题：当我们运行不同的代码时，可能会用到不同版本的Pytorch/Tensorflow，不同版本的Pytorch/Tensorflow在使用GPU时，对应不同的CUDA版本，这时候就需要安装不同的CUDA版本。 在系统中安装多个版本的CUDA，比较麻烦，这时候就可以在虚拟环境里面直接安装CUDA。 创建虚拟环境 conda create -n name python=3.X 激活虚拟环境 source activate name 安装Pytorch/Tensorflow的GPU版本 按照官
Anaconda虚拟环境安装cuda cudnn tensorflow pytorch 以及各种安装包通用万能版
Liu Vv的博客
07-15 2119
Anaconda虚拟环境安装一条龙
ubuntu 安装anaconda及虚拟环境cuda cudnn torch pytorch3d
yushanxue的博客
11-24 1885
ubuntu 安装anaconda及虚拟环境cuda cudnn torch pytorch3d
ubuntu用 conda 创建虚拟环境，安装cuda+cudnn+tensorflow-gpu+opencv3
番茄锅涮代码
04-03 3246
记性不好+重装系统当饭吃，记录一下常用的装机命令行。 环境：Ubuntu16.04，Anaconda3 创建虚拟环境： conda create -n env_name python=3.6 激活虚拟环境： source activate env_name 退出虚拟环境： source deactivate env_name 删除虚拟环境： conda remove -...
ubuntu18.04 conda虚拟环境配置cuda11.0、pytorch1.7.0
weixin_44186929的博客
06-06 2176
在ubuntu18.04中安装多个版本的cuda，并为conda虚拟环境安装pytorch和设置cuda版本。
Anaconda直接使用conda命令安装cuda和cudnn
永远的我们的博客
09-29 1万+
anaconda，tensorflow，cuda，cudnn
【环境搭建】ubuntu中在anaconda虚拟环境下安装cuda和cudnn
子非鱼的博客
10-26 2088
参考文章： 在conda虚拟环境中安装cuda和cudnn - 知乎 使用conda安装cuda和cudnn后，无法按照一般的方法比如 nvcc -v 来检验是否成功，但是使用 conda list 可以在里面找到，在python中调用gpu会显示成功。具体的区别还没有找到。 ...
Anaconda安装虚拟cuda环境——解决Pytorch无法识别cuda的问题
qq_40163992的博客
02-13 2606
在 Anaconda 的环境配置过程中，明明根据电脑已经安装的 cuda 版本从 Pytorch 官网上安装了对应版本的 torch 包 但依然无法调用 GPU 进行 torch 任务，编辑 GPUtest.py 文件。得到结果如下：torch 无法正常识别到 cuda。打开 Anaconda Prompt 输入，nvidia-smi 查看当前 GPU 驱动程序nvidia-smi得到驱动版本是551.61，CUDA 版本是12.4。
(win10)anaconda虚拟环境中安装特定版本cuda+tensorflow+pytorch+pycharm
qq_40296501的博客
12-07 3635
1.安装anaconda 在官网安装最新版的anaconda，需要使用其他版本的python可创建虚拟环境。安装时选择all users以及添加环境变量。2.安装cuda以及cudnn。 你可以选择在cuda官网下载安装包，按照提示安装。也可以在anaconda虚拟环境中安装cuda。 a.虚拟环境创建：打开cmd，输入： conda create -n py36 python=3.6 py36是虚拟环境名称，python=3.6是虚拟环境中python版本，可自行选择。cuda和python也有版本对
深度学习环境配置——conda虚拟环境安装CUDA和CUDNN
tyyhmtyyhm的博客
03-20 1万+
人生来就不是为了被打败的，人能够被毁灭，但是不能够被打败。—— 海明威《老人与海》
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置pytorch-gpu
liao_kyle的博客
11-02 1万+
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置pytorch-gpu
在Anaconda的虚拟环境上安装cuda、pytorch、opencv以及tensorflow 以及相关报错。
zhenxiaolong6的博客
11-22 4990
在Anaconda的虚拟环境上安装cuda、pytorch、opencv以及tensorflow 以及相关报错。
conda 安装CUDA 和cudnn
bjay的专栏
02-16 2万+
想用tensorflow的GPU版本，安装后 如果出现“W tensorflow/stream_executor/platform/default/dso_loader.cc:59] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found” 这个Warnning说明有可能没有安装CUDA。需要到下面这几个网址，看看自己的机器中显卡驱动和tensorflow版本来确定自己应该下载什么版本的
ubuntu22安装cuda cudnn pytorch
03-22
### 安装 CUDA、cuDNN 和 PyTorch 的步骤 #### 1. 显卡驱动安装 在 Ubuntu 22.04 上，推荐让系统自动处理显卡驱动程序的安装。通过系统的更新管理器或者命令行工具可以完成这一过程。当显卡驱动被成功安装后，它通常也会附带安装一个基础版的 CUDA 工具包[^2]。 验证显卡驱动是否已正确安装可以通过以下命令： ```bash nvidia-smi ``` 如果该命令返回了 GPU 的详细信息以及 `Driver Version` 和 `CUDA Version`，则说明显卡驱动已经正常工作。 --- #### 2. 配置 CUDA 对于大多数深度学习框架来说，建议使用 NVIDIA 提供的标准 CUDA 版本而不是由操作系统自带的基础版本。为了获得最新支持的功能和性能优化，可以选择手动下载并安装官方发布的 CUDA Toolkit： 访问 [NVIDIA CUDA 下载页面](https://developer.nvidia.com/cuda-downloads)，选择适合的操作系统 (Linux -> x86_64 -> Ubuntu -> 22.04) 并按照提示操作即可完成安装[^1]。 注意：如果你希望简化流程，也可以接受默认情况下随显卡驱动一同安装好的 CUDA 基础环境，并确认其满足后续需求。 --- #### 3. 安装 cuDNN cuDNN 是一种针对神经网络计算进行了高度优化的库集合，它是许多高性能深度学习模型运行所必需的部分之一。可以从 NVIDIA 开发者网站获取对应于当前使用的 CUDA 版本的 cuDNN 文件。 登录到[NVIDIA Developer Program](https://developer.nvidia.com/)账户后找到对应的 cuDNN 资源链接，解压文件并将其中的内容复制至 `/usr/local/cuda-X.Y/` 目录下（X.Y 表示具体 CUDA 版本号）。最后记得设置环境变量 PATH 和 LD_LIBRARY_PATH 来指向新加入的位置。 例如修改 `.bashrc` 添加如下内容： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 执行刷新配置命令使更改生效： ```bash source ~/.bashrc ``` --- #### 4. 安装 PyTorch PyTorch 支持多种方式来指定构建时所需的硬件加速特性，比如 CPU-only 或带有特定 CUDA 支持的变体。前往官网 [PyTorch Get Started Page](https://pytorch.org/get-started/locally/) ，依据个人偏好挑选相应选项组合成 pip 或 conda 的安装指令。 假设我们正在寻找的是 Python 3.x 环境下的稳定发行版，则可能得到这样的安装语句作为例子： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` 这里 `-index-url` 参数指定了与某个固定 CUDA 版本相匹配的二进制包位置；如果没有 GPU 加速的需求的话可以直接省略这部分参数从而仅加载纯软件实现部分。 --- #### 总结 整个过程中需要注意各个组件之间的兼容性问题，尤其是不同版本间的相互依赖关系。始终参照最新的官方文档来进行每一步骤能够有效减少潜在错误的发生几率。
评论 2
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