【深度学习】不同虚拟环境安装不同Pytorch版本

最新推荐文章于 2026-08-01 14:09:22 发布

原创最新推荐文章于 2026-08-01 14:09:22 发布 · 2k 阅读

11 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

深度学习

当前文章被收录于：

深度学习

2 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

不同虚拟环境安装不同Pytorch-GPU版本

步骤

在成功安装Anaconda的基础上，执行以下操作：

步骤

step1: 打开Pytorch官网，复制指令

Pytorch官网
选择复制红框内指令，在prompt命令窗口右击以复制，并回车执行
在这里插入图片描述

在这里插入图片描述

step2: 检查cudnn是否安装

此时未安装
若已安装，请直接跳至step4进行测试即可.

但一般情况下都未安装，使用conda search cudnn查询可安装的cudnn版本

在这里插入图片描述

可使用conda search cudnn==8.2.1 --info查询特定版本的cudnn需要的cudatoolkit的版本要求:
在这里插入图片描述
*也可在https://developer.nvidia.com/rdp/cudnn-archive查看，此处不讲。

step3: 选择合适的cudnn版本进行安装

在这里插入图片描述

step4: 测试代码

import torch
print(torch.cuda.current_device())   # 返回当前设备索引
print(torch.cuda.device_count())    # 返回GPU的数量
print(torch.cuda.get_device_name(0))   # 返回gpu名字，设备索引默认从0开始
print(torch.cuda.is_available())   # cuda是否可用
print(torch.version.cuda)  # cuda版本