【 python 】《 RTX 4060 ti 搭建Pytorch环境 》

前言

最近在学小土堆的Pytorch教程，需要本机搭建下环境，在网上摸索了一下，整理出这篇文章用于自己记录并共享给大家进行参考。

安装Anaconda教程：https://www.cnblogs.com/-CO-/p/17932767.html

查看本机显卡

下载显卡对应驱动

访问网址：https://www.nvidia.cn/drivers/lookup/

找稳定版驱动下载。

下载之后安装就可以了。

查看显卡兼容CUDA版本

安装完成之后，使用 win+R 打开cmd窗口，运行命令

# 查看GPU版本，及兼容的CUDA版本
nvidia-smi

注意：显示兼容CUDA版本为12.7 所以我们安装的CUDA版本不超过12.7就行！

查看Pytorch、Python、Cuda版本兼容性

这里我选的是：Anaconda创建Python3.10.15环境、下载CUDA12.1版本、最后在Python3.10.15环境内安装Pytorch2.4.1库

重点注意：最后一步才能安装Pytorch2.4.1库，否则会出现问题！！！按照当前文章顺序操作也可以！

安装CUDA及加速包(cuDNN)

下载CUDA

CUDA下载网址：https://developer.nvidia.com/cuda-toolkit-archive

配置环境变量

安装的默认地址：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\

打开环境变量配置窗口

配置Path变量

# 刚才的默认地址路径配置对应的文件夹
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\lib

配置完成后，使用命令验证是否安装成功，使用 win + R 输入cmd打开窗口，运行命令

# 查看当前已安装的CUDA版本
nvcc --version

下载加速包(cuDNN)

cuDNN下载网址：https://developer.nvidia.com/rdp/cudnn-archive

下载后将压缩包解压

将里面的3个文件夹 bin, include, lib 覆盖到CUDA默认安装路径内。

安装Pytorch依赖库

由于我是通过Anaconda创建的环境，需要切换到python3.10.15环境后，使用命令安装Pytorch。

安装前，可以访问Pytorch 官网 查看具体安装命令。

等待下载完成后，运行代码检查CUDA是否可用，如果可用返回True，不可用返回False。

完成！！！