GPu pytorch 安装指南 清华源下载

### PyTorch GPU 安装教程（使用清华大学镜像源） #### 环境准备 在安装 PyTorch 之前，需要确保计算机已经安装了 NVIDIA 显卡驱动程序，并且支持 CUDA。可以通过以下命令检查显卡驱动版本： ```bash nvidia-smi ``` 如果系统返回类似以下信息，则说明显卡驱动已正确安装[^1]： ``` +-----------------------------------------------------------------------------+ | NVIDIA-SMI 460.39 Driver Version: 460.39 CUDA Version: 12.2 | +-----------------------------------------------------------------------------+ ``` #### 安装步骤 #### 1. 创建虚拟环境 推荐使用 Conda 创建一个独立的虚拟环境以避免依赖冲突。通过以下命令创建并激活虚拟环境： ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` 上述命令中 `pytorch_env` 是虚拟环境的名称，可以根据需要自定义[^3]。 #### 2. 配置清华大学镜像源 为了加速下载，可以将 Conda 的默认源替换为清华大学开源镜像源。执行以下命令： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes ``` 这些命令会将 Conda 的默认源替换为清华大学的镜像源[^2]。 #### 3. 安装 PyTorch 及其依赖 根据目标 CUDA 版本选择合适的安装命令。例如，若系统支持 CUDA 11.3，则可以运行以下命令安装 PyTorch： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c conda-forge ``` 需要注意的是，`cudatoolkit` 的版本应与显卡驱动支持的 CUDA 版本一致。如果不明确 CUDA 版本，可以参考显卡驱动信息或 PyTorch 官网建议[^1]。 #### 4. 测试 PyTorch 是否支持 GPU 安装完成后，可以通过以下 Python 脚本验证 PyTorch 是否成功启用 GPU 支持： ```python import torch print("CUDA Available:", torch.cuda.is_available()) print("GPU Count:", torch.cuda.device_count()) print("Current GPU Name:", torch.cuda.get_device_name(0)) ``` 如果输出显示 `CUDA Available: True`，则说明 PyTorch 已成功启用 GPU 支持[^1]。 #### 5. 处理常见问题 如果安装过程中遇到错误，可以尝试以下方法解决： - 检查是否正确配置了清华大学镜像源。 - 确保显卡驱动和 CUDA 版本兼容。 - 使用 Conda 清华大学镜像源时，需移除 `-c pytorch` 参数，改为 `-c conda-forge`。 --- ###