CUDA+Anaconda+Pytorch环境安装

本文针对的为Windows+N卡的攻略。

CUDA：

首先查看电脑能支持的CUDA版本：

nvidia-smi

如图我的电脑支持的CUDA最高版本为12.2 ：

当然也可以在NVIDIA控制面板查看：NVIDIA控制面板>帮助>系统信息>组件

?这两者应该是相同的，接下来进入官网下载想要的版本：
链接：CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive选择系统即版本后进行下载：

?进行安装，这里我采取的都是默认的路径（C盘容量够）：

?跟着默认全选即可：

?这个路径记录一下：

?之后同意相关条框安装，完毕后重启电脑安装完成：

此时默认添加了以下的系统变量：

查看安装是否成功：

nvcc -V

如果有以下内容则安装成功

?Anaconda：

下载安装：

在官网下载即可：
Free Download | Anacondahttps://www.anaconda.com/download/

?开始安装：

设置安装路径：

?这里第一个选项是船舰开始菜单快捷方式，第二个是将Anaconda3加入环境变量中，没必要选（它也不推荐选），第三个则是将python3.11作为Anaconda的默认解释器，这个与Windows设置的python默认解释器是不冲突的，比如系统默认的是3.9，那么安装完成后，打开Anaconda Prompt终端下的python环境是3.11，而系统的cmd是3.9，建议勾选。

?

?安装完成：

验证一下两个python有没有打架：它们是按照上面的规则来的。

个人理解：Anaconda的作用是提供一个管理环境的平台，你可以在此平台创建许多虚拟环境，这些虚拟环境之间是相互隔离的（每个环境都有自己的python解释器），一个环境崩了不会影响其他的。其实之前我是不想装Anaconda，也不想创建这么多虚拟环境的，我想把所有的库都装一个环境里，这样我所有的项目都用这个环境不是很方便吗？环境怎么会那么容易崩？但是当一个环境里的东西太多之后，只是打开这个环境所需很长时间了，万一环境崩了直接寄掉。其实Pycharm也是可以创建虚拟环境的，但是对我来说还是Anaconda对于环境的管理更方便，不用Pycharm还有一个原因就是只有专业版才能用jupyter（当然可以破解）。

?组件解释：

安装成功后会有以下内容：

①Anaconda Prompt与Anaconda PowerShell Prompt：

Anaconda的终端，许多操作都要基于此展开，使用上没有区别，后者是基于PowerShell的，我习惯用前者。

②jupyter：

很大的一个优点即可以分块执行，能很大的节约时间。Anaconda中是默认安装jupyter的，有两种打开方式，均是在Anaconda Prompt执行命令：

Ⅰ：

jupyter notebook

将输出的url用浏览器打开即可，它会按照默认路径打开文件夹，这个可以修改。

?Ⅱ：

jupyter lab

?将输出的url用浏览器打开即可，同样会按照默认路径打开文件夹，可以修改。

我比较喜欢用这个， 界面好看。

环境创建、导入：

①创建虚拟环境：

在Anaconda Prompt中，创建虚拟环境，在Anaconda Prompt下执行以下命令：

conda create -n My_venv1 python=3.9

?My_venv1是虚拟环境的名字，起自己喜欢的就行，后面python=3.9是设置此环境的解释器版本。

但是现在只是创建完成，jupyter中并没有相关的环境：

将此环境添加到jupyter的内核中：

python -m ipykernel install --name My_venv1

?此时刷新一下，就可以在jupyter中选择相关的环境了：

之后进入此环境：

conda activate My_venv1

?然后就可以对此环境进行第三方库的安装了。

②导入虚拟环境：

先查看下现在有的环境：

conda env list

导入环境的命令，注意这里需替换为个人的目录，目录是存放虚拟环境的路径：

conda config --append envs_dirs E:\Anaconda_envs

?导入成功：

将此环境添加到jupyter的内核中：

python -m ipykernel install --name pytorch_pz

至此导入完毕。?

③解决Jupyter的显示和实际内核版本不一致问的题：

进入jupyter lab，创建项目，将内核换为我们创建的My_venv1，执行以下代码：

import platform   #导入platform模块
 
print('python版本：', platform.python_version())  #打印python版本
print('python版本：', platform.python_version_tuple())  #打印python版本
print('python实现方式：', platform.python_implementation())  #打印python实现方式
print('python版本分支：', platform.python_branch())  #打印python版本分支
print('python版本修订：', platform.python_revision())  #打印python版本修订
print('python编译信息：', platform.python_build())  #打印python编译信息
print('python编译器：', platform.python_compiler())  #打印python编译器

会发现与我们的版本是不一致的，我们安装的的虚拟环境?My_venv1的python版本是3.9，但这里输出的是anaconda默认的python版本3.11：

?对于这个问题，我们需要修改每个虚拟环境下的kernel.json文件。

首先，查看jupyter的kernels：

jupyter kernelspec list

拿My_venv1举例，? 进入对应的目录下：

打开相应的kernel.json文件，修改python路径为anaconda下对应虚拟环境的python解释器路径：

修改为：

之后进入My_venv1虚拟环境，?安装ipykernel库（觉得慢可以换源，这里换了）：

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

此时重新进入jupyter，发现问题解决：

Pytorch：

首先进入pytorch官网（可能进不去，多试试），按照自己的版本选择，获得安装pytorch的命令：

这里虽然我选的是CUDA12.1，与我安装的CUDA12.2不对应，但其实是可以的，因为CUDA是向下兼容的。?

这里我推荐使用conda安装，其实单论安装来说conda与pip效果差不多，但是注意千万不要混用，这个环境对于库的安装我全用的conda（额除了上面的ipykernel）。具体可以看下面这个文章：

请问大神们，pip install 和conda install有什么区别吗？ - 知乎 (zhihu.com)https://www.zhihu.com/question/395145313然后对conda进行换源，换为国内的清华源，进入My_venv1环境下执行如下命令：

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_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

?接下来执行pytorch官网获得的安装命令：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

?完毕后进行验证，在jupyter中执行以下代码：

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号

如果有以下输出，则证明安装成功：

至此安装完成，可以开始进行你的工作啦！

结语 ：

这个环境确实难装，博主研究了好半天，当然也借着这个机会把很多东西理清楚了，希望这篇文章能帮到阅读的你。