在conda环境下，安装Pytorch和CUDA

系统 : Ubuntu20.04

显卡：NVIDIA GTX1650 显卡驱动已经装好（命令 nvidia-smi 查看显卡配置） （主要看一下第一行的参数，最大支持的CUDA版本为12.4 ）

Aanconda 版本（安装指南）(似乎没什么影响)

目录 安装步骤Step1：更换 conda、pip、yum 国内源（十分必要）(换过的可以跳过)Step2：新建一个conda虚拟环境Step3：安装pytorch 和相关内容Step3.1 生成方法：Step3.2 复制`Run this Command`的命令，并在终端中执行即可。Step3.3 执行完成后使用conda list就可以看到下载的所有包了。Step3.4 判断是否安装成功

安装步骤 Step1：更换 conda、pip、yum 国内源（十分必要）(换过的可以跳过)

不换源国内下载速度奇慢。

# conda ustc源 conda config --add channels mirrors.ustc.edu /anaconda/pkgs/main/ conda config --add channels mirrors.ustc.edu /anaconda/pkgs/free/ conda config --add channels mirrors.ustc.edu /anaconda/cloud/conda-forge/ conda config --add channels mirrors.ustc.edu /anaconda/cloud/msys2/ conda config --add channels mirrors.ustc.edu /anaconda/cloud/bioconda/ conda config --add channels mirrors.ustc.edu /anaconda/cloud/menpo/ conda config --add channels http://mirrors.tuna.tsinghua.edu /anaconda/pkgs/main/ conda config --add channels http://mirrors.tuna.tsinghua.edu /anaconda/pkgs/free/ conda config --add channels http://mirrors.tuna.tsinghua.edu /anaconda/cloud/pytorch/ conda config --add channels http://mirrors.tuna.tsinghua.edu /anaconda/cloud/bioconda/ conda config --add channels http://mirrors.tuna.tsinghua.edu /anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes ​ # pip ustc源 pip config set global.index-url mirrors.ustc.edu /pypi/web/simple ​ # yum 国内源 （ubuntu环境 不需要执行下面的命令） mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo_bak wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun /repo/Centos-7.repo yum makecache yum -y update

使用命令conda config --show-sources查看配置的所有源 在之后使用的过程中，如果使用pip等命令网速很慢，检查命令中有没有-c 或-c pytorch出现，如果有的话就删掉，因为这是让去官网下载。

Step2：新建一个conda虚拟环境 创建自己的虚拟环境，执行： conda create -n env_test python=3.9 # 创建一个名为 env_test ，python版本为 3.9 虚拟环境

过程中全部选择执行 y 即可！（这里只用设置python版本，这里的python版本和本机的python版本无关，想设置什么版本都可以。其他东西进入环境后再配置）

进入自己的虚拟环境，执行： cconda activate env_test # env_test 为自己创建的环境名字

下图是进入了一个名为env_test的conda环境

Step3：安装pytorch 和相关内容

PyTorch官网有自动生成安装命令的功能，直接用这个功能即可。 点这里进入页面（下载慢等一下）

Step3.1 生成方法： PyTorch Build 选择 Stable（即稳定版） Your OS 选择 Linux Package 选择 Pip （建议使用pip安装） Language 选择 Python Compute Platform 选择 CUDA 12.4 （这里的CUDA版本要小于等于文章开头查到的CUDA版本）

即选择如下图。 注意：若命令中含有-c pytorch，注意要去掉-c pytorch，这个是指定下载的channel，后面是指定从官网下载，非常慢。

Step3.2 复制Run this Command的命令，并在终端中执行即可。 Step3.3 执行完成后使用conda list就可以看到下载的所有包了。

如下图：

Step3.4 判断是否安装成功

在命令行输入python，回车 输入import torch，回车，没有报错说明pytorch安装成功 输入torch.cuda.is_available()，回车，返回true表示可以使用GPU

import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.version.cuda)

关于torch.cuda.is_available() 返回False 详细说明及解决 now:我的显卡驱动掉了(笑哭)，返回了False，怎么解决？重装一下？大家有什么建议不？ 欢迎评论区留言，感谢。

参考博客：

blog.csdn.net/weixin_44179120/article/details/125844391linux安装anaconda及配置pytorch环境Anaconda虚拟环境中安装torch + cuda + cuDNNPyTorch中torch、torchvision、torchaudio、torchtext版本对应关系一文讲清楚CUDA、CUDA toolkit、CUDNN、NVCC关系