【深度学习】

查看显卡驱动版本--win+R

命令行输入：

nvidia-smi

查看： Driver Version:          CUDA Version: 

CUDA官网查看版本说明文档，选择合适的CUDA Toolkit

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

https://docs.nvidia.cn/cuda/pdf/CUDA_Toolkit_Release_Notes.pdf

Release Notes

下载对应的CUDA Toolkit

https://developer.nvidia.com/cuda-toolkit-archive

CUDA Toolkit Archive | NVIDIA Developer

安装，记住安装路径

下载cuDNN Archive

NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks.

https://developer.nvidia.com/rdp/cudnn-archive

解压压缩包

命令行，输入nvcc -V，检查安装是否成功

安装成功后，创建新环境

打开“Anaconda a Prompt”

输入：conda create -n torchenv python==3.12

torchenv是环境名称可以随便改

y回车确认

激活刚刚创建的新环境：conda activate torchenv

注意看前面括号（base）变成（torchenv）

打开Pytorch官网，选择合适的CUDA

https://pytorch.org/get-started/locally/

将Run this Command复制，粘贴到“Anaconda a Prompt”的（torchenv）环境

最后显示Successfully installed……就安装成功

随后在（torchenv）环境

输入python，进入python环境

导入库import torch、torch.cuda.is_available()，检查是否可用

显示True说明安装成功

或者（torchenv）环境，conda list查看是否有torch

最后！

若使用jupyter notebook，需要注册核

 Anaconda Prompt 中（torchenv）环境运行：

（示例）python -m ipykernel install --user --name=环境名称 --display-name "显示名称"

python -m ipykernel install --user --name=torchenv --display-name "Python (torchenv)"

未安装ipykernel，需要pip install ipykernel

启动 Jupyter Notebook 

在 Kernel → Change Kernel​ 菜单中即可看到新注册的内核：Python (torchenv)