安装适合cuda12.6的pytorch

Anoconda的安装步骤及环境配置另外查找，此处不作额外说明。原本中pytorch安装指令为： 根据本机配置改为： 为使xinference能够争取识别到GPU，需要对系统环境变量修改： 其中，0是集显，1才是我的独显，在运行模型时，GPU ids选择1才是使用独显运行模型。xinference-local --host 127.0.0.1 --port 9997

学习记录：Windows系统cuda11.6，安装pytorch1.12.0、python3.9

🌟 ​​大家好呀～欢迎来到我的博客小天地！💡在配置 PyTorch 环境的过程中，很多同人可能和我一样，习惯优先使用 清华源镜像 来下载。但在实际操作时会发现一个问题：按照网上的教程输入各种安装指令，始终会遇到无法正常获取 CUDA 版本的 PyTorch 的情况。💡为了解决这一问题，我选择了先将所需的 .whl 安装包下载到本地，再通过 pip install 进行离线安装。在本篇教程中，我会结合 Windows 系统 的实际操作进行演示，帮助大家一步步完成查找版本、下载和安装的全过程。

​：PyTorch预编译包包含完整的CUDA运行时库，无需单独安装完整CUDA Toolkit也可运行。但安装开发工具包（CUDA Toolkit）有助于开发自定义CUDA扩展。​：CUDA 11.8或12.1（目前PyTorch支持较好的版本）: 选择与本地安装一致的CUDA版本（如CUDA 11.8）​ → 记录您的NVIDIA显卡型号（如RTX 3060）(例如：516.x驱动支持最高CUDA 11.7)查找您的驱动版本对应的最高支持CUDA版本。然后重试正确版本的安装命令。: 复制生成的安装命令。

打开NVDIA控制面板，点击左下角“系统信息”，然后就可以看到NVDIA GPU的详细信息，其中就包含了CUDA的版本。在官网安装合适版本的cuda-toolkit。然后在PyTorch官网找到正确版本进行下载安装。使用pytorch进行深度学习的时候，往往想用GPU进行运算来提高速度。于是搜索便知道了CUDA。这时候可能没有将CUDA添加到环境变量。, 以及PATH中是否包含了cuda的bin目录。会安装cpu版本的torch，导致无法使用cuda）卸载原先的torch，就会显示True了。

最最最头疼的就是配环境了。

安装配置anaconda后（前一章），该配置pytorch 先安装conda cuda ，因为电脑中已经有了，所以直接用conda创建虚拟环境 激活虚拟环境，但尝试失败，出现了如下问题： Solving environment: failed with initial frozen solve. Retrying with flexible solve. 查了半天解决办法，无法解决 后来才发现 ，本电脑中没有英伟达显卡，相当于GPU作废 不能用GPU学深度学习。好吧 ，那只能从GPU转到CPU咯

前言接下来我们就开始从安装pytorch教程开始，来学习有关pytorch，我们默认其他都以准备就绪，我就从安装pytorch开始奥。配置说明1：windows系统2：python3.63：conda 4.7.12一、获取安装链接https://pytorch.org/打开链接，就会看到如上图所示的情况奥。二、安装说明根据自己的配置情况选择合适的安装信息，然后就在命令行运行run thi...

本文详细介绍了在PyTorch 2.6.0+CUDA 12.4环境下安装torch_geometric扩展库的完整解决方案。针对常见的ModuleNotFoundError和Conda安装失败问题，提供分步指导：首先安装g++编译依赖，然后通过官方whl源结合清华镜像依次安装torch_scatter等扩展组件，最后完成torch_geometric的安装。文中包含具体命令和验证方法，帮助开发者有效解决安装过程中的编译依赖和版本兼容问题。

Win10 专业 x64Python 3.7.7（通过Anaconda软件自带安装）【这个版本自带的python是3.11】官方是Pytorch在线指令安装，,开发工具，社区免费版，下载后，自行一路默认安装。

相信打开这篇文章的各位同学也是在向机器学习迈进的第一步上遇到了各种各样的问题，下面就由我来整理一下我在安装Pytorch并安装在Pycharm过程中遇到的各种问题及解决方法，希望能帮助各位同学解决问题，一同学习！

‌cuDNN（CUDA Deep Neural Network library）是一个由NVIDIA开发的深度学习GPU加速库，旨在为深度学习任务提供高效、标准化的原语（基本操作）来加速深度学习框架在NVIDIA GPU上的运算。此外，PyTorch还具有高度的灵活性和可扩展性，支持多种硬件平台，并且有一个活跃的社区，提供了大量的教程和资源，使得用户可以快速上手并解决实际问题。PyTorch的核心特点包括：‌12。可以看到NVIDIA GPU驱动版本为546.56，支持的CUDA最高版本为12.3。

进入CUDA下载界面，发现默认下载CUDA最新版本CUDA 12.4，但这个版本并不适合我们，所以我们需要点击右下角的Archive of Previous CUDA Releases，找到CUDA的早期版本。1.将之前下载的cuDNN压缩文件进行解压，在解压后的文件中找到如下文件将里面对应的bin，lib，include内的文件（注意是文件不是目录）可以看到本电脑最高可以装12.2版本的CUDA，保险起见，我选择安装11.6版本的。，进入命令提示符，输入nvidia-smi，查看显卡驱动版本。

Pytorch安装 一、安装anaconda 网址：https://www.anaconda.com/products/individual 网页翻到最下面，选择下载Windows 32位/64位版本，傻瓜式安装，记得勾选【Add to Path】 可以将anaconda的环境安装到系统中去 二、Anaconda创建虚拟环境 **1 、从开始菜单中打开Anaconda Navigator，单机进入Environments选项卡，如下图所示 **2、在Environments选项卡中，单击左下方的Crea

搞大模型往往都需要GPU加速，本次在家里的PC上安装CUDA来实现GPU加速。

显卡驱动查看 桌面任意位置右击，选择NVIDIA控制面板 点击3D设置中通过预览调整图像设置 点击左下方的系统信息 再点击组件 如下图所示： 安装CUDA 下载CUDA 百度盘 本人已经下载好的CUDA1.4.1和对应版本的CUDNN： 链接：https://pan.baidu.com/s/1Vixfl7tv4I6-OuBMF2ITQw 提取码：b2b7 –来自百度网盘超级会员V3的分享 自行下载 **法一：**可进入CUDA Toolkit 官网进行下载，但是一般都是最新的CUDA版本，可能不适合你