pytorch安装教程gpu版本对应

### PyTorch GPU 版本安装教程 #### 创建并激活 Conda 环境为了确保依赖项管理得当，建议使用 Anaconda 来创建独立的工作环境。对于特定版本的需求，可以执行以下命令来建立名为 `pytorch_gpu` 的新环境，并指定 Python 和其他必要的库： ```bash conda create -n pytorch_gpu python=3.9 conda activate pytorch_gpu ``` #### 安装 PyTorch 及其相关组件一旦工作环境准备完毕，则可以通过 Conda 渠道直接获取预编译好的支持 GPU 加速的 PyTorch 发行版及其配套工具包 TorchVision 和 Torchaudio。针对 CUDA 11.3 支持的情况，应运行下面这条指令完成核心软件栈部署[^2]: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` #### Jupyter Notebook 集成 (可选) 如果计划通过 Jupyter Notebook 进行开发测试，还需额外引入 IPython Kernel 并注册到当前环境中以便于后续调用: ```bash pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple python -m ipykernel install --user --name pytorch_gpu --display-name "PyTorch_GPU" ``` #### 基础科学计算库补充最后，不妨考虑加入一些常用的辅助类库如 NumPy 或 Matplotlib 提升工作效率： ```bash pip install notebook matplotlib numpy -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 以上步骤完成后即成功搭建了一个基于 PyTorch 的 GPU 开发平台，在此之上便能够着手构建高效的机器学习模型训练流程了。

阅读全文