怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境

本文小编为大家详细介绍“怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境”，内容详细，步骤清晰，细节处理妥当，希望这篇“怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。

下面的操作默认你安装好了python

前提：确定你安装好了anaconda并配置好了环境变量，如果没有，网上有很多详细的配置教程，请自行学习

在cmd命令提示符中输入conda命令查看anaconda

如果显示和上图相同，那么可以继续向下看

在cmd命令提示符中输入如下命令

activate

直接在搜索栏里搜索anaconda prompt并打开即可

如果你是在linux操作系统下，在你的/anaconda/bin/下打开终端，即可直接进入anaconda的环境

以上三种方法出现（base）就意味着你已经进入了anaconda的基础环境

这三个操作可以各用一行命令来完成

创建好的虚拟环境文件夹可以在anaconda文件夹中的envs文件夹里找到

后续的环境配置操作均要在激活虚拟环境的情况下完成！！！！！

系统的CUDA版本，决定了系统最高可以支持什么版本的cudatoolkit，它是向下兼容的

我们可以通过nvidia-smi命令查看cuda版本号。

比如我的CUDA Version=11.7，那么它就可以支持 ≤ 11.7版本的CUDATookit

现在你已经知道了自己系统的cuda版本，接下来我会以自己利用清华镜像源来配置cuda+cudnn+pytorch深度学习环境的一个例子来简单直白的说明怎样去做

再提醒一遍，下面的操作也要在你激活自己的虚拟环境的情况下进行！

我们需要用到下面这条命令

我选择下载11.3版本，这个需要看你们自己的需求来改变，只要你系统的CUDA支持就可以

如果你成功安装了你想要的那个版本的cudatookit，注意，现在你安装cudnn的版本必须依赖于cudatookit的版本

cuda与cudnn的对应关系可以在cuDNN历史版本下载页面看到：

cuda下载页面

cudnn下载页面

这里我简单列出来了较新的一些版本之间的对应关系

根据上图可知，我安装了CUDA 11.3版本，那么可选的cuDNN版本有很多，这里我直接无脑安装了最新版本，也就是cuDNN的8.4.0版本，同样是用清华镜像源来安装

根据之前我们讲过的，pytorch的版本也是和CUDA版本有对应关系的，比如torch2.6.0只适配cuda10.2、10.1、9.2，不适配cuda11.0。

我们接下来的操作需要进入到Pytorch的官网Previous PyTorch Versions | PyTorch，在里面查看你想要的Pytorch版本它适配的CUDA版本并获取安装命令

比如我现在想要安装Pytorch的1.11.0版本，同时我之前已经安装了CUDA的11.3版本

如上图，这一条命令可以满足我的pytorch和cuda之间的对应关系，因此，我们复制它并运行，即可安装Pytorch 1.11.0

注意：

也可以用pip install的命令来下载pytorch，但是因为三四两步都用的是conda，所以这里为了方便也用了condaconda install pytorch安装的是torch CPU版本，conda install pytorch torchvision -c pytorch安装的是GPU版本 检查环境是否配置成功

如果如下操作可以正常进行并打印出你安装的相应版本，那么你已经配置成功

读到这里，这篇“怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注亿速云行业资讯频道。

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：[email protected]进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。