# 环境搭建:( win
10, python3.8
, N 卡)
# 安装
Anaconda
conda下载链接
,下载完直接运行,常规软件安装步骤。。一直下一步,到下图这里,建议把添加环境变量也勾选。然后点击
install
,等待安装完成指定路径创建虚拟环境,下面使用创建的虚拟环境配置
pytorch
, 版本管理参考之前文章:优雅的管理python版本
conda create --prefix=E:\conda_env python=3.8
# 查看
cuda
信息N 卡 直接在命令行输入:
nvidia-smi
查看显卡版本和cuda
版本,查看cuda
版本映射表:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.htmlCUDA Toolkit
Linux x86_64 Driver Version Windows x86_64 Driver Version CUDA 11.6 Update 1
>=510.47.03
>=511.65
CUDA 11.6 GA
>=510.39.01
>=511.23
CUDA 11.5 Update 2
>=495.29.05
>=496.13
CUDA 11.5 GA
>=495.29.05
>=496.04
CUDA 11.5 Update 1
>=495.29.05
>=496.13
CUDA 11.4 Update 4
>=470.82.01
>=472.50
CUDA 11.4 Update 3
>=470.82.01
>=472.50
CUDA 11.4 Update 2
>=470.57.02
>=471.41
CUDA 11.4 Update 1
>=470.57.02
>=471.41
CUDA 11.4.0 GA
>=470.42.01
>=471.11
CUDA 11.3.1 Update 1
>=465.19.01
>=465.89
CUDA 11.3.0 GA
>=465.19.01
>=465.89
CUDA 11.2.2 Update 2
>=460.32.03
>=461.33
CUDA 11.2.1 Update 1
>=460.32.03
>=461.09
CUDA 11.2.0 GA
>=460.27.03
>=460.82
CUDA 11.1.1 Update 1
>=455.32
>=456.81
CUDA 11.1 GA
>=455.23
>=456.38
CUDA 11.0.3 Update 1
>= 450.51.06
>= 451.82
CUDA 11.0.2 GA
>= 450.51.05
>= 451.48
CUDA 11.0.1 RC
>= 450.36.06
>= 451.22
CUDA 10.2.89
>= 440.33
>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)
>= 418.39
>= 418.96
CUDA 10.0.130
>= 410.48
>= 411.31
CUDA 9.2 (9.2.148 Update 1)
>= 396.37
>= 398.26
CUDA 9.2 (9.2.88)
>= 396.26
>= 397.44
CUDA 9.1 (9.1.85)
>= 390.46
>= 391.29
CUDA 9.0 (9.0.76)
>= 384.81
>= 385.54
CUDA 8.0 (8.0.61 GA2)
>= 375.26
>= 376.51
CUDA 8.0 (8.0.44)
>= 367.48
>= 369.30
CUDA 7.5 (7.5.16)
>= 352.31
>= 353.66
CUDA 7.0 (7.0.28)
>= 346.46
>= 347.62
# 根据
cuda
信息,安装pytorch
找到对应版本安装指令:https://pytorch.org/get-started/previous-versions/
- 进入虚拟环境:
activate E:/conda_env
- 控制台输入指令安装
pytorch
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=11.3 -c pytorch -c conda-forge
python
解释器选择刚才创建的虚拟py
环境,然后导入pytorch
, 以下指令返回True
,就代表安装成功import torch
print(torch.cuda.is_available())