[赫兹威客][深度学习] 深度学习GPU环境搭建：CUDA+PyTorch

原创已于 2025-09-15 15:50:09 修改 · 1.6k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #windows #赫兹威客 #深度学习 #python #pytorch

于 2025-09-15 13:15:28 首次发布

深度学习专栏收录该内容

7 篇文章

订阅专栏

一、确认安装环境

1.按下 Win+R 组合键打开运行窗口，输入 cmd 并回车，打开命令提示符

2.在命令提示符中输入 nvidia-smi 并回车，查看电脑支持的最高 CUDA 版本。

二、安装cuda

1.访问CUDA官网，选择你安装的版本下载
CUDA Toolkit Archive | NVIDIA Developer

2.双击安装包，进入安装界面后，展开 CUDA 组件列表，可根据需求选择是否安装 Visual Studio Integration（本文未安装该组件），其余按默认设置完成安装。

这里的CUDA组件点开，可以选择是否安装Visual Studio Integration，我这里没有安装

3.安装完成后，重新打开cmd，输入 nvcc -V 并回车。若返回版本信息则安装成功；若未返回，需手动配置环境变量（将 CUDA 安装目录下的 bin 文件夹路径添加至系统环境变量 PATH 中）。

按下Win+Q组合键快捷搜索，输入高级系统，点击查看高级系统设置

点击环境变量

选择系统变量的Path，双击编辑

添加CUDA安装目录下的这两个

三、cuDNN配置

访问 NVIDIA 开发者官网的 cuDNN 归档页面（cuDNN Archive | NVIDIA Developer），下载与已安装 CUDA 版本匹配的 cuDNN 压缩包。

cuDNN Archive | NVIDIA Developer

下载后解压，会有这三个文件夹，复制这三个文件夹

进入到cuda安装的这个目录下，把cuDNN的三个文件夹复制过来就行

用cmd打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.6\extras\demo_suite这个目录，输入以下命令，返回Result = PASS就没问题了

.\bandwidthTest.exe

.\deviceQuery.exe

四、pytorch安装

访问 PyTorch 官网（PyTorch），根据已安装的 CUDA 版本选择对应配置，复制生成的安装命令并在命令提示符中执行，完成 PyTorch 安装。

PyTorch

点击这两个后，进行选择pytorch安装

选择你对应的cuda版本后，复制命令

在终端激活你需要安装到的conda环境中，比如我这里安装到名称叫test的conda环境中

粘贴pytorch安装命令，回车

安装好后可输入以下命令测试查看：

import torch

print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA可用: {torch.cuda.is_available()}")
print(f"PyTorch使用的CUDA版本: {torch.version.cuda}")
print(f"当前设备: {torch.cuda.get_device_name(0)}")
print(f"cuDNN版本: {torch.backends.cudnn.version()}")

先输入python，再输入代码：