安装CUDA以及cudnn#

1. 检查自己电脑支持的CUDA版本：打开cmd执行.

1
nvidia-smi

2. 前往官网下载自己电脑支持版本的 CUDA ，我选择12.8.0版本.

下载时选择自定义，勾选下载全部选项，并记住安装路径.

3. 检验是否安装成功：打开cmd执行.

1
nvcc -V

4. 前往官网下载对应版本的 cudnn 压缩包，后进行解压，我选择8.9.7版本.

5. 进入指定目录（上文记住的安装路径），如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8，将bin，include，lib三个文件夹拖入进行替换.
   
   

创建虚拟环境并配置pytorch#

1. 打开Anaconda Prompt，创建环境：

1
conda create -n ENV_NAME python=3.9

2. 激活环境：

1
conda activate ENV_NAME

3. 查看环境是否创建成功：

1
conda env list

4. 安装Pytorch命令复制网址： https://pytorch.org/get-started/locally 选择自己版本的选项，在环境激活的情况下，复制命令并安装.

NOTE

下载的包会比较大，如我的是3.5G，如比较小可能不是安装的GPU版本

5. 创建.py文件，并将conda中刚刚安装环境中的python作为解释器，具体教程看:

6. 运行下列代码，不报错即安装成功:

1
import torch
2
print(torch.__version__)
3
print(torch.cuda.is_available())

7. 退出环境：

1
conda deactivate

8. 删除环境：

1
conda remove --name ENV_NAME --all

Jupyter Notebook#

1. 打开Anaconda Prompt，激活环境后，执行：

1
pip install jupyter

2. 下载完后，执行，查看Jupyter的配置路径，只需看到路径，终端中输入 “N” 即可：

1
jupyter notebook --generate-config

3. 进入路径，打开 “jupyter_notebook_config” 文件，搜索：

1
The directory to use

修改如下：

1
## The directory to use for notebooks and kernels.
2
#  Default: ''
3
# c.ServerApp.root_dir = ''
4
c.ServerApp.root_dir = '默认打开路径'

4. 打开Anaconda Prompt，激活环境后，执行：

1
conda install ipykernel

5. 将环境写入内核：

1
python -m ipykernel --user --name 你创建环境的名字 --display-name "你创建环境的名字"

d2l库安装#

1. 打开Anaconda Prompt，激活环境后，执行：

1
pip install d2l

2. 运行下列代码，不报错即安装成功:

1
import torch
2
from d2l import torch as d2l