新闻详情

新闻详情

首页 / 资讯中心 / 详情

Win10 下 Python 3.9 与 GPU 版 PyTorch 环境搭建流程

发布时间:2026/9/29 2:11:05来源:尧图网络
Win10 下 Python 3.9 与 GPU 版 PyTorch 环境搭建流程
在使用 Python 进行深度学习和 GPU 加速计算时合理选择 Python 版本和正确配置 NVIDIA 相关工具如 CUDA 和 cuDNN至关重要。此外PyTorch 是目前主流的深度学习框架之一本指南将介绍如何配置适用于 GPU 加速的 PyTorch 环境包括 Python 版本选择、NVIDIA 显卡驱动、CUDA、cuDNN 的安装与配置以及如何正确安装和验证 PyTorch 的 GPU 版本确保环境能够顺利运行深度学习任务。文章目录Python 版本选择NVIDIA 配置流程Pytorch 配置流程Pytorch 轮子配置离线whl安装方法在线安装方法Pytorch GPU验证总结Python 版本选择建议直接安装Anaconda选择自己需要版本即可。也可以直接前往 Python 官网 下载 Python 3.x 的安装包。运行安装程序并按照提示进行安装。在安装过程中请确保勾选“Add Python to PATH”选项以便在系统环境变量中添加 Python。NVIDIA 配置流程打开NVIDIA设置显卡开发者模式按照图中显示配置即可。确认NVIDIA显卡系统信息自己要记不住用个小本本记录一下12.1.68这串数字就可以了。安装 cuda点击 NVDIA官网下载选择对应的版本。例如之前的显卡版本信息是12.1.68则选择12.1.x即可以此类推。点击下载选择安装程序该程序和之前的必备程序对应。下载完之后点击安装安装就行了。点击程序解压到任意位置安装后临时文件会自动清除进入安装程序一直点下一步默认安装就行了。cuDNN安装点击 NVDIA官网下载选择对应的版本。这个地方要注册使用QQ或者微信联合登录即可。选择刚才的CUDA版本下载压缩包。 NVDIA官网下载下载完之后解压缩该文件夹打开即可。解压下载的 cuDNN 压缩包并将解压后的文件包括 cuda\bin、cuda\include 和 cuda\lib 目录下的文件复制到目录xxxx\NVIDIA GPU Computing Toolkit\CUDA\v12.1目录下。cuda 、cuDNN 环境配置复制下面的内容到环境变量即可。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\lib\x64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\libnvvp C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras\CUPTI\lib64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\includePytorch 配置流程不论是gpu还是cpu版本先去Pytorch官网 找相应命令在首页找到如下的界面根据自己的cuda版本去选择在command一栏就会出现安装命令。因为首页推荐的都是最新的当找不到适合自己cuda版本的torch安装命令就点previous version链接。打开cmd命令必须是管理员身份执行上面的命令否则一定不会安装成功。执行命令conda install pytorch torchvision torchaudio cudatoolkit11.3 -c pytorch进行安装cudatoolkit这里需要更换成你自己匹配的版本号。condainstallpytorch torchvision torchaudiocudatoolkit11.3-cpytorch执行cmd查看输入conda list获取安装列表。出现这个包就证明安装成功了。整个过程大概要20分钟左右并且有可能由于网络原因安装失败要多试几次。这个时候查看torch显示gpu不可用状态。Pytorch 轮子配置离线whl安装方法whl 轮子包下载根据CUDA选则轮子的版本。其中cu表示GPU版本cpu表示CPU版本。版本匹配明细torch、torchvision、python版本不匹配程序是跑不起来的。torchtorchvisionpythonmain / nightlymain / nightly3.7, 3.102.00.153.8, 3.111.130.143.7.2, 3.101.12.00.13.03.7, 3.101.11.00.12.03.7, 3.101.10.20.11.33.6, 3.91.10.10.11.23.6, 3.91.10.00.11.13.6, 3.91.9.10.10.13.6, 3.91.9.00.10.03.6, 3.91.8.20.9.23.6, 3.91.8.10.9.13.6, 3.91.8.00.9.03.6, 3.91.7.10.8.23.6, 3.91.7.00.8.13.6, 3.81.7.00.8.03.6, 3.81.6.00.7.03.6, 3.81.5.10.6.13.5, 3.81.5.00.6.03.5, 3.81.4.00.5.02.7, 3.5, 3.81.3.10.4.22.7, 3.5, 3.71.3.00.4.12.7, 3.5, 3.71.2.00.4.02.7, 3.5, 3.71.1.00.3.02.7, 3.5, 3.71.0.10.2.22.7, 3.5, 3.7下载完成后本地pip install 安装。pip install.\torchvision-0.13.1cpu-cp39-cp39-win_amd64.whl pip install.\torch-1.10.2cu113-cp39-cp39-win_amd64.whl在线安装方法直接进入 Pytorch 命令行安装 复制你需要的pip安装命令即可。例如需要torch1.10.1版本的GPU配置执行下面的命令。其中有cu的部分是GPU版本的安装命令。我的系统环境是RTX4090python3.10可以使用下面名命令进行安装。执行命令pip install torch2.0.0cu118 torchvision0.15.1cu118 torchaudio2.0.1 --index-url https://download.pytorch.org/whl/cu118进行安装。pipinstalltorch2.0.0cu118torchvision0.15.1cu118torchaudio2.0.1 --index-url https://download.pytorch.org/whl/cu118Pytorch GPU验证安装完成之后再次验证执行下面的命令显示True即证明可以使用GPU使用pytorch了。importtorchprint(torch.cuda.is_available())False总结本指南详细介绍了 Python 版本选择、NVIDIA CUDA 和 cuDNN 的安装配置以及 PyTorch 的安装方式包括在线安装和离线安装 whl 轮子。通过正确的环境配置用户可以充分利用 GPU 进行深度学习训练提高计算效率。最后还提供了 GPU 版本的 PyTorch 验证方法确保环境搭建成功。希望本指南能帮助开发者顺利搭建 PyTorch 深度学习环境为后续的 AI 研究和应用开发奠定坚实基础。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

STM32实验室消防预警系统:烟雾温度三级响应开源实战 2026/9/29 5:09:10

STM32实验室消防预警系统:烟雾温度三级响应开源实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →
基于 SWIFT(魔搭社区)训练 DeepSeek 模型完整代码示例:从 config.toml 骨架到推理验证 2026/9/29 5:09:03

基于 SWIFT(魔搭社区)训练 DeepSeek 模型完整代码示例:从 config.toml 骨架到推理验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

阅读更多 →
AI绘图实战:豆包“吃骂”原理与三条调教铁律 2026/9/29 5:09:01

AI绘图实战:豆包“吃骂”原理与三条调教铁律

实话讲,我以前对AI绘图工具是有点“敬而远之”的,总觉得提示词像玄学,写得再花哨,出来的图也常常离题万里。直到我认真用了一阵子豆包的绘图功能,才发现问题不在它身上,往往在我自己,尤其是我的…

阅读更多 →
DeepSeek婚姻家事财产分割智能计算方案:从选型到落地 2026/9/29 5:08:55

DeepSeek婚姻家事财产分割智能计算方案:从选型到落地

简介:面向法律科技从业者、算法工程师及婚姻家事研究者,DeepSeek婚姻家事案件财产分割智能计算方案聚焦夫妻共同财产范围自动界定与公平分配方案生成。内容从财产属性分类、婚前婚后界定、债务识别到房产增值比例计算,覆盖婚姻财产分割中常见…

阅读更多 →
归并排序完全指南:从分治思想到工业级应用 2026/9/29 5:08:54

归并排序完全指南:从分治思想到工业级应用

排序算法是算法学习里绕不开的主题。很多人一开始学的是冒泡、选择、插入这类 O(n) 的入门排序,然后有一天突然碰到归并排序——代码骤然变长,还有递归,第一反应往往是“这玩意儿到底在干嘛”。但归并排序值得你认真搞懂,因为它可…

阅读更多 →
2.4G遥控协议深度解析:FrSky、TBS与ELRS对比及高频头改装指南 2026/9/29 5:08:48

2.4G遥控协议深度解析:FrSky、TBS与ELRS对比及高频头改装指南

1. 从一次失控说起:为什么2.4G协议值得深挖入模十几年,我炸过的机、丢过的舵机、失控过的车,加起来能装一后备箱。但真正让我下决心把2.4G协议这条线彻底摸清楚的,是前几年一次固定翼远航——飞到八百米开外,遥控突然进…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉