目录

前言

本文旨在帮助刚接触深度学习的萌新无痛安装PyTorch的配套环境，包括NVIDIA显卡驱动、CUDA以及CuDNN。通过本文，您将能够轻松完成环境配置，顺利进入深度学习的世界。

作者是一名人工智能研究者，致力于生成式模型的研究，希望与同好交流分享，共同进步。

如有帮助，请点赞、收藏或评论支持作者。

环境配置文章汇总

Windows

Ubuntu

华为昇腾平台

待更新

操作系统与显卡驱动

安装PyTorch前，请确认操作系统版本和显卡驱动版本。如图所示，Ubuntu 16.04或20.04均可适用。

显卡驱动版本决定了能安装的CUDA版本，而CUDA版本又决定了PyTorch的安装限制。

安装PyTorch前的准备工作

建议安装最新但稳定版本的PyTorch，避免过于老旧或过于新颖的版本。安装顺序请遵循：先安装CUDA，再安装PyTorch。

CUDA安装

下载最新CUDA Toolkit，安装完成后确保未勾选显卡驱动选项，以防版本冲突。

安装完成后，验证CUDA版本是否正确。

CuDNN安装

CuDNN是CUDA加速库，需与安装的CUDA版本匹配。如图所示，选择支持当前操作系统的CuDNN版本进行安装。

安装完成后，验证CuDNN版本是否正确。

安装Anaconda

下载并安装Anaconda，创建指定版本的Python环境。如图所示，完成安装后验证环境配置。

创建Anaconda环境

使用conda创建名为“dl”的Python 3.8环境。如图所示，完成后进入该环境进行PyTorch安装。

PyTorch安装

进入dl环境，通过PyTorch官网安装指定版本。安装完成后，验证GPU加速是否正常。

如图所示，运行`print(torch.cuda.is_available())`验证CUDA支持情况。

尾言

希望本文的指导能帮助您顺利完成环境配置。如果有疑问或建议，欢迎在评论区留言交流。