深度学习——Python搭建虚拟环境的完整步骤

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen
文本生成
Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化,内置完整运行环境与 Qwen3-32B 模型依赖,开箱即用。

一、进入 Anaconda 的环境中

点击 Prompt 进入 Anaconda 的环境中,接下来的命令均在 Prompt 中执行。

 二、创建名为“环境名”的虚拟环境,并指定 Python 的版本  

        conda create -n 环境名 python=3.9  

三、进入(激活)名为“环境名”的虚拟环境

       conda activate 环境名

四、查看CUDA版本

      打开cmd,输入下面的指令,就可以看到CUDA版本号了,我的CUDA版本为11.3

      nvidia-smi

五、去PyTorch官网下载与CUDA版本对应torch

Previous PyTorch Versions | PyTorchicon-default.png?t=N7T8https://pytorch.org/get-started/previous-versions/

 在设置的虚拟环境下,输入下面这串指令

pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113


出现下面这样,说明安装成功

六、 可以列出当前环境下的所有库,需要什么库可以自主下载

        conda list

七、在PyCharm中使用刚才配置好的环境

(1)打开PyCharm ->file->Settings

 (2)Project->Project Interpreter 点击齿轮(设置)的图标中的add

先点击‘Existing environment’,然后点击右侧的...

   在弹出的界面中,首先点击左侧的 conda 环境,再将解释器设置为 Anaconda 虚拟环境解释器的地址

 

您可能感兴趣的与本文相关的镜像

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen
文本生成
Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化,内置完整运行环境与 Qwen3-32B 模型依赖,开箱即用。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值