CUDA环境搭建

1.安装CUDA

CUDA Toolkit 12.6 Update 3 Downloads | NVIDIA Developer

2.安装miniconda

Download Now | Anaconda

3.安装GPU版的 Pytorch

PyTorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

备选手动安装

迅雷下载

https://download.pytorch.org/whl/cu124/torch-2.5.1%2Bcu124-cp39-cp39-win_amd64.whl

https://download.pytorch.org/whl/cu124/torch-2.5.1%2Bcu124-cp39-cp39-win_amd64.whl

本地安装

pip install torch-2.5.1+cu124-cp39-cp39-win_amd64.whl

4.安装d2l 和Jupyter

pip install d2l jupyter

d2l安装问题

解决方案

更换3.9版本的python环境

指定目录下创建conda环境

conda create --prefix "D:\Project\miniconda3\envs\d2l" python=3.9

这个命令会在 D:\Project\miniconda3\envs 目录下创建一个名为 d2l 的新环境。请注意，你需要确保 D:\Project\miniconda3\envs 这个目录已经存在，否则 Conda 可能会报错。

创建环境后，你可以使用以下命令激活新环境：

conda activate "D:\Project\miniconda3\envs\d2l"

5.安装 torchvision：

pip install torchvision

6. 测试

import torch
print(torch.__version__)
print(torch.cuda.is_available())
import d2l
print(d2l.__version__)

7.测试训练模型

网盘链接

我用夸克网盘分享了「D2l」，点击链接即可保存。打开「夸克APP」，无需下载在线播放视频，畅享原画5倍速，支持电视投屏。
链接：https://pan.quark.cn/s/c7c0ffd633ee