深度学习环境搭建实战，手把手教你零基础也能学会

云上天6090
183 阅读8分钟

安装CUDA

安装前可以先检查一下有没有安装 Windows 系统：按下Win + R，输入cmd打开命令提示符，然后输入nvcc --version或nvcc -V Linux/macOS 系统：打开终端，输入nvcc --version或nvcc -V
如果安装了 CUDA，会显示类似以下的版本信息：

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2025 NVIDIA Corporation

Built on Wed_Jan_15_19:38:46_Pacific_Standard_Time_2025

Cuda compilation tools, release 12.8, V12.8.61

Build cuda_12.8.r12.8/compiler.35404655_0

nvidia-smi

cuda安装是为了深度学习的GPU加速运算平台。cuda版本的安装需要根据上面显卡驱动来安装。可以到下面英伟达官网去地址 界面如下，选择“小于等于”显卡驱动支持的版本就可以了，我选择的是12.0.0。

  1. 选择对应版本

  1. 点击下载

  1. 安装完成以后点击安装包进行安装，选择安装位置。

  1. **点击默认安装选项下一步即可。 **

  1. 安装选项

这是 NVIDIA CUDA 安装程序的界面，提示信息的意思是：未找到受支持版本的 Visual Studio。CUDA Toolkit（CUDA 工具包）的某些组件将无法正常工作。请先安装 Visual Studio 以获得完整功能 。

下方有一个复选框，内容为 “我理解，并希望无论如何继续安装”。如果你不需要 CUDA 与 Visual Studio 集成的功能，可以勾选复选框然后点击 “NEXT” 继续安装；如果需要完整功能，建议先安装合适版本的 Visual Studio 再安装 CUDA。

  1. 安装完成

  1. 安装后可以使用相应的cmd指令测试一下，cmd输入[**<font style="color:rgb(9, 64, 142);background-color:rgb(248, 248, 250);">nvcc</font>**](https://zhida.zhihu.com/search?content_id=244560062&content_type=Article&match_order=1&q=nvcc&zhida_source=entity)**<font style="color:rgb(25, 27, 31);background-color:rgb(248, 248, 250);"> -V</font>**，最后一行显示12.0版本说明安装成功。
nvcc -V

安装cudnn

cuDNN（CUDA Deep Neural Network library）是 NVIDIA 推出的专为深度神经网络计算优化的 GPU 加速库，它是 CUDA 生态系统的重要组成部分。

简单来说，cuDNN 为深度学习中常用的操作（如卷积、池化、激活函数、张量运算等）提供了高度优化的实现，能够充分利用 NVIDIA GPU 的计算能力，显著提升深度学习模型的训练和推理速度。

下载的地址：developer.nvidia.com/rdp/cudnn-a…

打开后可以看到如下界面，选择和cuda匹配的版本就行了，比如我的cuda是12.0，那么cudnn可以选择8.9.7，8.9.6.等等，我选择是是8.9.7

  1. 下载cudnn

  1. cudnn是个压缩包，解压后直接扔进cuda安装位置就可以了。

我安装cuda的时候选择的是d盘但是安装完成以后发现D盘中没有安装目录，可能是因为没有保存导致的。默认又给我安装到了C盘，你们安装的时候请确认安装目录，以免找不到。

  1. 因为本身cuda就存在lib、includ、bin三个目录 使用不能一次性执行复制粘贴这样会覆盖文件，如果复制bin目录文件就只复制文件不要复制上以级文件夹即可。

安装conda

软件下载安装

特性AnacondaMiniconda
大小安装包大（~3GB+）安装包小（~100MB）
自带库自带了几百个常用科学计算库（如 Numpy、Pandas、Scikit-learn、Jupyter、Matplotlib 等）只自带 conda + Python + 基础工具，其他库需要手动安装
上手难度对新手友好，开箱即用更灵活，但需要自己决定安装哪些库
适合场景数据科学初学者，想要快速搭建环境熟悉 Python/环境管理，想节省空间、避免臃肿
更新灵活性库版本通常较稳定，但可能偏旧（保证兼容性）完全自己决定安装什么版本，灵活但需手动控制

conda 是一个 开源的包管理和环境管理工具，常用于 Python 和数据科学领域，但它不仅限于 Python。由 Anaconda, Inc.（原 Continuum Analytics）开发，最初为 Python 语言设计，但现在已支持 R、C/C++、Fortran 等多种编程语言的包管理。它的核心作用是解决软件包之间的依赖冲突和环境隔离问题，让开发者能更轻松地管理项目所需的工具和库。

Conda 可以通过 Anaconda 或 Miniconda 进行安装，以下是具体的下载地址：

  • Anaconda 下载地址：Anaconda 官网下载页为www.anaconda.com/products/in…，你可以根据自己的操作系统选择相应的安装包。
  • Miniconda 下载地址：Miniconda 官方下载地址为docs.conda.io/en/latest/m…，也可以直接通过repo.anaconda.com/miniconda/进行下载，根据你的操作系统选择对应的安装包，如 Windows 系统下载.exe 文件，macOS 系统下载.pkg 或者.sh 文件，Linux 系统下载.sh 文件。

此外，一些镜像站也提供了 Conda 的下载，如清华大学开源软件镜像站mirrors.tuna.tsinghua.edu.cn/anaconda/ar…，你可以在其中找到 Anaconda 的安装包。北京大学开源软件镜像站mirrors.pku.edu.cn/anaconda/mi…提供了 Miniconda 的下载。

  1. 点击安装包进行安装即可。

  1. 选择为全部用户即可

  1. 选择安装目录

  1. 勾选配置，点击安装即可。

在这个界面中，用户可以选择如何自定义Anaconda3与Windows系统的集成。具体选项包括：

  1. 创建快捷方式（仅限支持的包）：为支持的包创建快捷方式，方便快速访问。
  2. 将Anaconda3注册为系统的Python 3.12：这是推荐选项，允许其他程序（如VSCode、PyCharm等）自动检测Anaconda3作为系统的主要Python 3.12版本。
  3. 完成后清除包缓存：这也是推荐选项，可以在安装完成后释放一些磁盘空间，而不会影响功能。

用户可以选择“< Back”返回上一步，选择“Install”开始安装，或选择“Cancel”取消安装。

配置环境变量

  1. 打开环境变量

  1. 选中Path，点击编辑

  1. 新增环境变量

Conda 常见 4 个环境变量说明

  1. **conda** 主目录，包含 conda、python。
    必须。
  2. **conda\Scripts** 各种工具脚本：conda.exe、pip、jupyter。
    必须。
  3. **conda\Library\bin** DLL 动态库：openssl.dll、sqlite3.dll 等。
    必须。
  4. **conda\Library\usr\bin**一些类 Unix 工具（少用）。
    可选。

增加一下环境变量，路径改成自己安装目录

:::info D:\soft\conda

D:\soft\conda\Scripts

D:\soft\conda\Library\bin

D:\soft\conda\Library\usr\bin

:::

  1. 打开cmd验证安装结果

  1. 设置下载源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
  1. 创建虚拟环境
conda create -n py311 python=3.11
  1. 激活python虚拟环境
# 查看python版本环境
conda info --envs
# 激活py311
conda activate py311

错误解决：

:::info CondaError: Run 'conda init' before 'conda activate'

:::

以管理员运行PowerShell

conda init

如果还报这个错误，执行一下命令，然后重新打开powershell

# 设置用户级别的执行策略
Set-ExecutionPolicy RemoteSigned -Scope CurrentUser
conda init powershell

Conda 常用命令速查表

包管理

conda install 包名              # 安装包（默认最新）
conda install 包名=1.20.3       # 安装指定版本
conda update 包名               # 更新包
conda update --all              # 更新所有包
conda remove 包名               # 卸载包
conda list                      # 查看已安装包
conda search 包名               # 搜索可安装的包

环境管理

conda create -n myenv python=3.10     # 创建新环境并指定 Python 版本
conda create -n myenv 包1 包2         # 创建环境并安装多个包
conda env list                        # 查看所有环境
conda activate myenv                  # 激活环境
conda deactivate                      # 退出环境
conda remove -n myenv --all           # 删除环境

Conda 本身

conda --version       # 查看 conda 版本
conda info            # 查看 conda 配置信息
conda update conda    # 更新 conda 自身

安装PyTorch

官网：pytorch.org/

pip命令一键安装

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

手动下载安装

  1. 下载torch文件

这个界面信息简洁清晰：cu118 代表 GPU 版本的 CUDA 11.8，cp311 意味着 Python 3.11，而 linux 和 window 则对应不同的系统版本。你可依据这些信息来挑选所需的 PyTorch 版本。我所安装的是 torch-2.6.0+cu118-cp311-cp311-win_amd64.whl

https://download.pytorch.org/whl/torch/

  1. 下载并安装 torchvision 对应的 .whl 文件。通常torch 文件和 torchvision 文件需要相互匹配,****对应关系见附录
https://download.pytorch.org/whl/torchvision/
![](https://cdn.nlark.com/yuque/0/2025/png/22305582/1739947831436-dd6c9492-9f4a-427b-9c14-426377ec4f2d.png)

下载完成以后就可以安装了

  1. 安装依赖
 pip install .\torch-2.6.0+cu118-cp311-cp311-win_amd64.whl


pip install  .\torchvision-0.21.0+cu118-cp311-cp311-win_amd64.whl

安装开发工具pycharm

官方下载地址：www.jetbrains.com/

  1. 选择pycharm软件下载，安装过程非常简单，只需要双击可执行文件进行安装即可。

  1. 打开pycharm，点击新建项目

  1. 安装我截图步骤选择我们自己安装conda环境和创建的python虚拟环境，然后点击创建。

  1. 新建一个demo文件
import sys
import torch
# 以字符串形式获取完整的 Python 版本信息
full_version = sys.version
print(f"完整的 Python 版本信息: {full_version}")
# 以元组形式获取主要的 Python 版本信息
print("torch版本：",torch.__version__)
print("cuda版本：",torch.version.cuda)
print("cuda是否能够正常使用：",torch.cuda.is_available())
  1. 运行结果

对应关系来源：github.com/pytorch/vis…

CUDA工具包和相应的驱动程序版本,来源官网

CUDA ToolkitToolkit Driver Version
Linux x86_64 Driver VersionWindows x86_64 Driver Version
CUDA 12.8 GA>=570.26>=570.65
CUDA 12.6 Update 3>=560.35.05>=561.17
CUDA 12.6 Update 2>=560.35.03>=560.94
CUDA 12.6 Update 1>=560.35.03>=560.94
CUDA 12.6 GA>=560.28.03>=560.76
CUDA 12.5 Update 1>=555.42.06>=555.85
CUDA 12.5 GA>=555.42.02>=555.85
CUDA 12.4 Update 1>=550.54.15>=551.78
CUDA 12.4 GA>=550.54.14>=551.61
CUDA 12.3 Update 1>=545.23.08>=546.12
CUDA 12.3 GA>=545.23.06>=545.84
CUDA 12.2 Update 2>=535.104.05>=537.13
CUDA 12.2 Update 1>=535.86.09>=536.67
CUDA 12.2 GA>=535.54.03>=536.25
CUDA 12.1 Update 1>=530.30.02>=531.14
CUDA 12.1 GA>=530.30.02>=531.14
CUDA 12.0 Update 1>=525.85.12>=528.33
CUDA 12.0 GA>=525.60.13>=527.41
CUDA 11.8 GA>=520.61.05>=520.06
CUDA 11.7 Update 1>=515.48.07>=516.31
CUDA 11.7 GA>=515.43.04>=516.01
CUDA 11.6 Update 2>=510.47.03>=511.65
CUDA 11.6 Update 1>=510.47.03>=511.65
CUDA 11.6 GA>=510.39.01>=511.23
CUDA 11.5 Update 2>=495.29.05>=496.13
CUDA 11.5 Update 1>=495.29.05>=496.13
CUDA 11.5 GA>=495.29.05>=496.04
CUDA 11.4 Update 4>=470.82.01>=472.50
CUDA 11.4 Update 3>=470.82.01>=472.50
CUDA 11.4 Update 2>=470.57.02>=471.41
CUDA 11.4 Update 1>=470.57.02>=471.41
CUDA 11.4.0 GA>=470.42.01>=471.11
CUDA 11.3.1 Update 1>=465.19.01>=465.89
CUDA 11.3.0 GA>=465.19.01>=465.89
CUDA 11.2.2 Update 2>=460.32.03>=461.33
CUDA 11.2.1 Update 1>=460.32.03>=461.09
CUDA 11.2.0 GA>=460.27.03>=460.82
CUDA 11.1.1 Update 1>=455.32>=456.81
CUDA 11.1 GA>=455.23>=456.38
CUDA 11.0.3 Update 1>= 450.51.06>= 451.82
CUDA 11.0.2 GA>= 450.51.05>= 451.48
CUDA 11.0.1 RC>= 450.36.06>= 451.22
CUDA 10.2.89>= 440.33>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)>= 418.39>= 418.96
CUDA 10.0.130>= 410.48>= 411.31
CUDA 9.2 (9.2.148 Update 1)>= 396.37>= 398.26
CUDA 9.2 (9.2.88)>= 396.26>= 397.44
CUDA 9.1 (9.1.85)>= 390.46>= 391.29
CUDA 9.0 (9.0.76)>= 384.81>= 385.54
CUDA 8.0 (8.0.61 GA2)>= 375.26>= 376.51
CUDA 8.0 (8.0.44)>= 367.48>= 369.30
CUDA 7.5 (7.5.16)>= 352.31>= 353.66
CUDA 7.0 (7.0.28)>= 346.46>= 347.62
avatar
文章
阅读
粉丝