Windows系统离线搭建PyTorch深度学习环境全攻略（CUDA+cudnn实战）

1. 为什么你需要离线搭建PyTorch环境？

想象一下这个场景：你拿到了一台性能强劲的服务器，或者一台全新的工作站，准备大展拳脚跑你的深度学习模型。结果发现，这台机器因为安全规定或者网络限制，压根连不上外网。这时候，你是不是感觉一盆冷水从头浇到脚？别慌，这种情况在工业界、科研机构的保密环境里太常见了。在线安装，pip install 一下看似简单，但在离线环境下，一个简单的依赖缺失就能让你卡上半天。

所以，今天我要跟你分享的，就是一套在Windows系统下，纯离线搭建PyTorch深度学习环境的“保姆级”攻略。我们不仅要装上PyTorch，还要搞定它的“左膀右臂”——CUDA和cudnn，让GPU的计算能力完全释放出来。整个过程，我会把我自己踩过的坑、验证过的方法，一步步拆开揉碎了讲给你听。即使你是个刚入门的新手，只要跟着做，也能在自己的离线机器上，从零开始构建一个稳定、可用的PyTorch开发环境。

这套方法的核心优势在于可重复和可迁移。一旦你在一个离线环境里配置成功，完全可以把整个环境打包，复制到其他同样离线的机器上，省时省力。这对于需要批量部署开发环境或者模型生产环境的团队来说，价值巨大。好了，废话不多说，我们直接进入正题，先从最基础的硬件和驱动准备开始。

2. 战前准备：理清版本依赖关系

在动手安装任何软件之前，搞清楚版本之间的“爱恨情仇”是避免后续无数报错的关键。深度学习环境的搭建，就像搭积木，底层驱动、CUDA、cudnn、PyTorch、Python，这几块积木必须严丝合缝地对上，否则整个塔楼说倒就倒。

首先，你需要确定几个核心信息。第一，你的显卡型号。在桌面右键点击“NVIDIA 控制面板”，在左下角的“系统信息”里就能看到。比如是RTX 3080还是RTX 4090。第二，你打算安装的PyTorch版本。这通常由你的项目代码决定，比如有些老代码可能只兼容PyTorch 1.7。确定了PyTorch版本，你就能去PyTorch官网的历史版本页面，查到它官方建议的CUDA版本。例如，PyTorch 1.12.0版本通常对应CUDA 11.3或11.6。

接下来是最关键的一步：根据你计划安装的CUDA版本，去倒推你的显卡驱动需要什么版本。CUDA Toolkit对NVIDIA驱动有最低版本要求。你可以在NVIDIA官方的CUDA版本文档里找到这个对应关系。比如，CUDA 11.8要求驱动版本至少是520.61.05以上。一个常见的误区是：以为驱动版本越高越好。实际上，驱动版本必须大于等于CUDA所需的最低版本，但并非无限制地高。 不过，为了省事和兼容未来，我通常建议在离线环境允许的范围内，安装你能找到的、相对较新的稳定版驱动。

最后是cudnn，它是NVIDIA提供的深度神经网络加速库。它的版本必须和CUDA版本严格匹配。你在下载cudnn时，页面会明确标注它适用于哪个（或哪几个）CUDA版本。比如，cudnn 8.9.x for CUDA 11.x。记住这个链条：项目需求 -> PyTorch版本 -> CUDA版本 -> 显卡驱动最低版本 -> cudnn版本。把这些信息用记事本记下来，我们接下来就按图索骥，开始实操。

3. 第一步：搞定显卡驱动与CUDA Toolkit

现在，我们在一台可以联网的电脑上（比如你自己的笔记本），开始下载所有必需的离线安装包。这一步是离线搭建的基石，务必准备齐全。

3.1 下载显卡驱动 打开NVIDIA官网的驱动程序下载页面。手动搜索你的显卡型号、操作系统（Windows 10/11 64位），选择“标准”或“DCH”类型（如果你的系统是较新的Windows 10/11，通常选DCH）。点击搜索后，下载那个体积较大的“Game Ready Driver”或“Studio Driver”即可，它们都包含我们需要的核心驱动组件。下载完成后，你得到一个.exe文件，比如536.99-desktop-win10-win11-64bit-international-dch-whql.exe。

3.2 下载CUDA Toolkit 前往NVIDIA Developer网站的CUDA Toolkit Archive页面。这里列出了所有历史版本。找到你之前确定好的目标版本，比如CUDA 11.8。点击进入后，选择操作系统（Windows）、架构（x86_64）、版本（例如，本地安装程序可能是Windows 10/11）。你会看到几个下载选项。对于离线安装，我们务必选择网络安装包（Network Installer）和本地安装包（Local Installer）都下载下来。网络安装包（exe[网络]）很小，但它需要在线下载组件，离线环境用不了。本地安装包（exe[本地]）体积巨大（2-3GB），但它包含了所有安装文件，正是我们需要的。把那个大文件，例如cuda_11.8.0_522.06_windows.exe下载到本地。

3.3 下载cuDNN cuDNN的下载需要注册一个免费的NVIDIA开发者账号。登录后，