pytorch安装教程gpu清华
时间: 2025-03-26 08:20:38 浏览: 52
### PyTorch GPU 版本安装教程 (基于清华大学镜像源)
#### 打开 Anaconda Prompt
为了确保环境配置顺利,建议通过Anaconda Prompt来执行后续命令[^2]。
#### 设置清华镜像源
在开始安装之前,设置好Python包管理工具的国内镜像源能显著提高下载速度。对于`pip`和`conda`都可以指定使用清华大学开源软件镜像站:
- 对于 `pip`, 使用如下命令临时指定镜像源:
```bash
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
```
- 对于 `conda`, 添加清华镜像作为默认通道之一:
```bash
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
```
#### 安装 CUDA 和 cuDNN
确认已正确安装适合硬件条件的CUDA Toolkit以及配套cuDNN库版本。这一步骤通常依赖具体显卡型号和支持情况,请访问[NVIDIA官方网站](https://developer.nvidia.com/cuda-toolkit-archive)查询兼容性列表并完成相应组件部署[^3]。
#### 安装 PyTorch GPU 版本
根据官方文档指引,可以通过以下方式快速获取适用于当前系统的PyTorch轮子文件(wheel file):
```bash
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118
```
这里假设使用的CUDA版本为11.8;如果不同,则需调整URL中的`cuXX`部分以匹配实际需求。上述命令会自动从清华大学提供的加速链接中检索资源[^1]。
#### 验证安装成功与否
最后,在Python解释器内运行简单的测试脚本来验证GPU支持状态:
```python
import torch
print(torch.cuda.is_available())
print(torch.__version__)
```
当返回True表示已经成功启用了GPU计算能力,并显示所安装的具体版本号信息。
阅读全文
相关推荐


















