PyTorch2.6详细安装步骤(Win10和Win11)：NVIDIA显卡驱动版本560.94+CUDA12.6+cuDNN9.2.0+Anaconda3+pip清华镜像源

已于 2025-03-31 16:51:20 修改
阅读量4.5k 收藏 44
点赞数 28
CC 4.0 BY-SA版权
文章标签： pip pytorch conda
于 2025-03-30 02:07:43 首次发布
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。
本文链接：https://blog.youkuaiyun.com/zokoru/article/details/146694574

目录

  • PyTorch深度学习框架安装说明
      • 台式NVIDIA GeForce显卡驱动程序560.94
      • 笔记本Nvidia VGA Driver 独立显卡驱动560.94
  • 一、安装步骤大纲
  • 二、NVIDIA CUDA Toolkit12.6.3+cudnn软件安装
      • cuda_12.6.3_561.17_windows 的下载地址：
      • 深度神经网络库 cuDNN 9.2.0 的下载地址：
  • 三、Anaconda3 + python3 软件安装
      • Anaconda3-5.3.0-Windows-x86_64.exe
  • 四、Pytorch2.6 软件安装
      • 用迅雷下载torch2.6包到D盘根目录

PyTorch深度学习框架安装说明

PyTorch网站
https://pytorch.org/get-started/locally/
在这里插入图片描述

最新稳定版本 PyTorch2.6 支持系统有：Linux系统、Win10和Win11系统，但不支持苹果Mac系统。推荐系统：Windows10-22H2版本（版本号19045），Windows11-23H2版本（版本号22631）。

目前只能用pip3包管理命令安装pytorch：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

根据安装说明，PyTorch2.6需要Python 3.9或更高版本，计算平台推荐CUDA12.6，也就是你需要一台带NVIDIA独立显卡的电脑（16系或20系Turing图灵架构显卡以及Ampere安培架构等新款显卡）。

第一次接触Pytorch的朋友最头疼就属软件依赖关系，我推荐大家安装NVIDIA显卡驱动版本560.94，目前560.94驱动程序的CUDA12.6最稳定，游戏也最稳定，不要安装最新的显卡驱动版本572.83。确定了显卡驱动版本就确定了CUDA版本，后面就顺了。

我给大家捋一下Pytorch（torch2.6包）依赖关系顺序（推荐版本）：Windows系统版本Win10-22H2——NVIDIA显卡驱动版本560.94(CUDA12.6)——CUDA Toolkit版本12.6.3——cuDNN版本9.2.0 12.X——Python版本3.10或更高版本（除了最新3.13）

因为pytorch属于python的第三方包，所以安装Anaconda3包管理器可以一并安装python3和pip3，学习python必备Anaconda3。

请各位提前安装好迅雷，方便高速下载，保存目录设置在D盘根目录，或者其他空间大的盘。

首先是安装好正确的显卡驱动版本：

台式NVIDIA GeForce显卡驱动程序560.94

下载地址：点击下载 https://cn.download.nvidia.com/Windows/560.94/560.94-desktop-win10-win11-64bit-international-dch-whql.exe
在这里插入图片描述

笔记本Nvidia VGA Driver 独立显卡驱动560.94

联想拯救者独立显卡下载地址：点击下载

联想官网下载网页
https://newsupport.lenovo.com.cn/driveDownloads_detail.html?driveId=136388

在设备管理器查看“显示适配器”的驱动程序版本，版本尾数5位是5.6094就是成功安装NVIDIA560.94独立显卡驱动。

在这里插入图片描述

由于每款笔记本都是厂家定制的显卡驱动程序，请使用其他品牌笔记本电脑的同学到各自厂家的官网下载NVIDIA独显驱动程序，不要用NVIDIA官网的公版显卡驱动。

一、安装步骤大纲

总体分3个安装步骤，NVIDIA软件，Anoconda软件，Pytorch软件。

  1. 安装NVIDIA 独立显卡驱动 560.94，文件大小：701MB
  2. 安装NVIDIA CUDA Toolkit 12.6.3文件大小：3.00GB
  3. 下载解压NVIDIA cuDNN9.2.0 文件大小：536MB (cudnn8.9.7需要注册，文件大小：675MB)
  4. 安装Anoconda3-5.3.1，文件大小：632MB
  5. 设置conda清华镜像（不用，可能导致创建conda虚拟环境报错失败）
  6. 设置全局pip清华镜像源
  7. conda创建python3.10虚拟环境（3.11、3.12也可以，不用最新3.13）
  8. 根据你选择的python版本，直接通过官网https://download.pytorch.org/whl/cu126 下载对应版本的torch包（文件大小：2.32GB，用迅雷下载更快）

二、NVIDIA CUDA Toolkit12.6.3+cudnn软件安装

安装完NVIDIA 独立显卡驱动，可以打开CMD(命令提示符)，
输入命令nvidia-smi

在这里插入图片描述
命令显示结果
Driver Vsrsion 显卡版本是560.94
CUDA Version CUDA版本是12.6

CUDA Toolkit版本要等于小于显卡驱动的CUDA12版本，因此下载CUDA Toolkit12.6.3和 cuDNN9.2.0 12.X
对于已经安装NVIDIA显卡驱动的同学，只要你的NVIDIA显卡是16系或20系30系以及40系的显卡，都建议使用560.94显卡驱动，可以省去很多麻烦。

CUDA工具包网站
https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述

cuda_12.6.3_561.17_windows 的下载地址：

点击下载https://developer.download.nvidia.com/compute/cuda/12.6.3/local_installers/cuda_12.6.3_561.17_windows.exe

深度神经网络库 cuDNN 9.2.0 的下载地址：

点击下载
https://developer.download.nvidia.cn/compute/cudnn/redist/cudnn/windows-x86_64/cudnn-windows-x86_64-9.2.0.82_cuda12-archive.zip

中文官网 https://developer.nvidia.cn/cudnn/

首先自定义安装CUDA，仅安装第一项CUDA，其他组件不安装。
安装目录更改为 D:\CUDA 或者其他空间大的盘,
然后解压cudnn，把里面的所有文件都移动到CUDA安装目录内。
在这里插入图片描述

不用重启电脑，CUDA自动会添加环境变量
查看环境变量方法：鼠标右击“视窗开始按钮”——“系统”——“高级系统设置”——“环境变量”——“系统变量”，
可以看到系统变量里面已经有“CUDA_PATH”和“CUDA_PATH_V12_6” 两个变量。

在这里插入图片描述

然后在搜索栏输入CMD 开“命令提示符”输入命令 nvcc -V
有显示Build cuda_12.6， 表示CUDA安装成功！

在这里插入图片描述
Win11系统显示如下
在这里插入图片描述

三、Anaconda3 + python3 软件安装

Anaconda3-5.3.0-Windows-x86_64.exe

Anaconda3-5.3.0(自带python3.7，文件大小632MB) 下载地址： 点击下载
可以通过conda虚拟环境安装python任意版本，所以目前选择这个版本。

你也可以用最新的 Anaconda3-2024.10-1-Windows-x86_64.exe ，自带python3.12，
文件大小：950MB，下载地址：点击下载
Anaconda清华镜像站 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

1. 安装Anaconda3-5.3.0。

安装目录更改为 D:\Anaconda3 或者其他空间大的盘。
Win10要勾选2个安装选项，Win11直接下一步，提示安装VS Code可以跳过，用电脑管家安装VS Code

在这里插入图片描述
在这里插入图片描述
2. 设置conda清华镜像（跳过这个步骤）

在程序中打开 Anaconda Prompt
添加conda清华镜像下载通道命令：(不用，可能导致创建conda虚拟环境失败)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
启用通道命令：
conda config --set show_channel_urls yes
conda config --set ssl_verify false
显示通道命令: conda config --show channels

如果创建conda虚拟环境时已经出现报错，请删除所有镜像通道。
删除通道命令： conda config --remove-key channels

在这里插入图片描述
3. 创建pytorch虚拟环境，使用python3.10版本

在程序中打开 Anaconda Prompt
创建环境命令： conda create -n pytorch python=3.10
这样就创建pytorch名字的conda虚拟环境，使用的是python3.10。
系统生成虚拟环境目录 D:\Anaconda3\envs\pytorch

激活环境命令： conda activate pytorch
显示环境列表命令： conda env list
删除环境命令： conda env --remove pytorch

在这里插入图片描述

四、Pytorch2.6 软件安装

1.设置全局 pip 源：
全局pip清华镜像源命令：
pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

2. 检查全局 pip 源命令：
pip config list

3. 下载pytorch2.6包

升级pip包管理工具命令： python -m pip install --upgrade pip

pytorch官网的安装命令：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

这个命令告诉我们pytorch2.6是3个包组成： torch、torchvision、torchaudio，由于torch包有2.32G很大，外网下载慢，且清华镜像没有起到加速作用，因此我们先用迅雷提前下载torch2.6包，然后安装。

用迅雷下载torch2.6包到D盘根目录

torch下载网页 ：https://download.pytorch.org/whl/torch/
这里要下载和虚拟环境相同 python3.10版本的torch包
文件名：torch-2.6.0+cu126-cp310-cp310-win_amd64.whl
在下载网页中按Ctrl+F，复制文件名，快速找到需要的torch包，
然后右击文件名复制链接，用迅雷下载到D盘根目录。

4. 开始安装torch包
首先激活pytorch环境命令： conda activate pytorch
然后进入D盘根目录命令 d:
查看文件命令 dir
确保看到 torch-2.6.0+cu126-cp310-cp310-win_amd64.whl 安装包
安装torch包命令： pip3 install torch-2.6.0+cu126-cp310-cp310-win_amd64.whl
安装另外2个包命令：
pip3 install torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

5. 查看包列表命令：conda list
这里看到torch 2.6.0+cu126 表示安装完成。
在这里插入图片描述
6. 最后验证pytorch
首先输入命令：python
启动python3.10

然后输入命令：

import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.version.cuda)

显示2.6.0+cu126 表示 PyTorch2.6 安装成功！
Ture表示cuda运行。
12.6表示cuda版本。
在这里插入图片描述

zokoru
关注
【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 2万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
pytorch镜像安装【清华源】
Activewaste
12-17 3万+
常规步骤： 首先，先去pytorch官网，找到合适自己环境的命令； 注：你用conda安装，就要有conda卸载；用pip安装，就用pip卸载 然后，你就会漫长的等待…… 最后，就会一直出现下面的错误提示，如果要想下载成功，可以中断后在继续下载，再中断，再下载，再中断，再下载…… OpenSSL.SSL.Error: [('SSL routines', 'ssl3_get_record', ...
pytorch2.6安装
最新发布
qq_30150579的博客
06-14 336
pytorch2.6安装
PyTorch 2.6.0 安装指南
qq_46311839的博客
03-19 5547
Miniconda的安装与环境变量配置。Conda虚拟环境的创建与激活。NVIDIA 驱动与 CUDA 版本检查。PyTorch 2.6.0 的安装与验证。本指南适用于Windows 10 64 位系统，NVIDIA RTX 2070 Super 显卡，CUDA 12.8 版本。如果未来更换设备，可参考nvidia-smi命令获取驱动版本，并查找支持的 CUDA 版本，再选择合适的 PyTorch 版本进行安装。
安装Pytorch,使用清华镜像源提升下载速度
qq_43550852的博客
05-24 5361
【代码】安装Pytorch,使用清华镜像源提升下载速度。
Windows11安装GPU版本Pytorch2.6教程
daitulin的博客
02-23 1430
深度学习计算建议安装Nvidia Studio类型的驱动。Python的安装可以通过Anaconda来完成。
《动手学深度学习 Pytorch版》 2.6 概率
AncilunKiang的博客
06-10 577
sample() 是 Multinomial 类中的抽样函数，接收一个参数 ample_shape=torch.Size() 以指定抽样次数和输出张量的形状。​​例如，在掷骰子实验中，集合S123456即为样本空间或结果空间，其中每个元素都是结果。概率可以看作将集合映射到真实值的函数。在给定的样本空间S中，事件A的概率表示为PAPA≥0PS1ijAi​∩Aj​∅A1​A2​P⋃i1∞​Ai​∑i1∞​PA。
Win10+GTX1660Ti+CUDA10.1+cuDNN v7.6.4+Anaconda+PyCharm配置GPU版本PyTorch超详细步骤
12-21
在本文中，我们将详细探讨如何在Windows 10操作系统上，使用NVIDIA GTX 1660 Ti显卡，CUDA 10.1，cuDNN v7.6.4，Anaconda和PyCharm来配置GPU支持的PyTorch环境。首先，我们需要确保拥有一个适合深度学习的显卡，例如...
2025最新最全Cuda安装，深度学习环境配置（已踩太多坑）Win10+VS2019+Cuda11.0+Cudnn8.9.7+python3.8+pytorch1.7.0+tensorflow2.10
qq_45377297的博客
01-14 7655
完美最新的win10本地Cuda深度学习python环境安装。Win10+VS2019+Cuda11.0+Cudnn8.9.7+python3.8+pytorch1.7.0+tensorflow2.10。附全部安装包和详细安装流程，以及安装常见问题，版本对应关系等。
Ubuntu20.04安装NVIDIA驱动+cuda+cudnn+anaconda+pytorch+pycharm经验
qinseheming0820的博客
04-18 4980
配置环境是深度学习的第一道门槛，也是必须迈过的一道门槛，之前一直在windows平台上跑pytorch，但很多包无法安装，必须要使用Linux。在经历了很多坑，无数次重装系统，崩溃，坚持后终于在Ubuntu20.04上成功安装pytorch，现将经验分享，希望能对初学者有一定参考。 一、安装Ubantu20.04系统 在清华源上下载系统安装包，找一个空U盘，用第三方软件制作系统启动盘。注意一定是空U盘，制作启动盘时会将U盘格式化。 Index of /ubuntu-releases/2...
配置pytorch时添加清华镜像源
weixin_45554665的博客
06-09 2828
下载安装pytorch时记得去掉-c pytorch因为已经加入的清华镜像源了，所以就不需要这个pytorch。输入conda config --show channels查看已经加入的镜像源。个人见解，或有错误，不喜勿喷。
清华镜像源
BELL__Meng的博客
10-20 1771
channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/simpleitk/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/ - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda default_c
Python配置清华镜像源
2301_76161259的博客
08-21 3332
使用pip 安装服务器在国外的python 库时，下载需要很长时间，在配置文件中设置国内镜像可以提高速度，清华镜像源就是其中之一。
清华镜像源下载pytorch及torchvision
岛的博客
03-29 2万+
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channe...
Ananconda下安装pytorch(GPU)，亲测成功(清华源镜像快速下载)
冰月灵狐
05-13 1万+
安装了一上午终于成功了！ 创建Pytorch虚拟环境 打开Anaconda Prompt,输入下列命令： conda create -n pytorch python=3.8 启用创建的环境： conda activate pytorch 点击此链接https://pytorch.org/get-started/locally/，进入pytorch官网，根据自己的配置，生成对应的pytorch下载指令。 选择下载的方式，由于conda要配置源，对萌新不太友好，所以我们选择pip。
Windows端pytorch镜像快速安装【清华源】
热门推荐
Thebest_jack的博客
03-13 7万+
Windows端快速安装pytorch
pytorch2.6.0对应的cuda
03-17
### PyTorch 2.6.0 Compatible CUDA Version PyTorch 的官方预编译版本通常会指定其支持的 CUDA 版本。对于 PyTorch 2.6.0，它并不直接存在，因为 PyTorch 的正式发布版本号通常是按照 `major.minor.patch` 的形式命名，而目前最新的稳定版可能并非完全匹配此编号。然而，假设您指的是类似于 PyTorch 2.x 或者其他接近该语义的版本，则可以参考以下信息。 当通过 PIP 安装 PyTorch 时，所使用的 CUDA 版本是由 PyTorch 提供的二进制文件决定的，而不是由本地安装的 CUDA Toolkit 控制[^1]。这意味着即使您的系统中安装了不同版本的 CUDA Toolkit（例如 CUDA 12.2），PyTorch 可能仍然依赖于特定的 CUDA 预编译库（例如 CUDA 12.4）。因此，在选择合适的 CUDA 版本之前，需确认目标 PyTorch 版本的具体需求。 以下是针对 PyTorch 和 CUDA 兼容性的通用方法： #### 方法一：查阅官方文档 访问 [PyTorch 官方网站](https://pytorch.org/get-started/previous-versions/) 获取历史版本的支持矩阵。在此页面上，您可以找到每个 PyTorch 发布版本对应的推荐 CUDA 版本列表。如果无法定位到确切的 PyTorch 2.6.0，请尝试寻找最接近的主要更新版本并验证其适用性。 #### 方法二：手动构建自定义环境 如果您需要严格控制 CUDA 版本，可以选择从源码编译 PyTorch 而不是使用预编译包。这种方法允许更灵活地适配不同的硬件配置和软件栈组合。具体操作如下所示： ```bash git clone --recursive https://github.com/pytorch/pytorch.git cd pytorch pip install ninja TORCH_CUDA_ARCH_LIST="7.5;8.6" USE_NCCL=1 python setup.py install ``` 上述命令中的变量可以根据实际 GPU 架构调整，并确保与选定的 NVIDIA 显卡驱动程序相一致[^3]。 另外值得注意的是，某些框架如 PaddlePaddle 同样提供 GPU 加速选项并通过类似的机制管理依赖项[^2]。尽管如此，它们之间仍可能存在差异，故建议单独测试每种工具链以获得最佳性能表现。
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