目录

一，基本环境配置

二.GPU训练CUDA 和对应的pytorch duu 版本安装

🔹 说明

三，可能遇到问题

---

一，基本环境配置

1. 打开这个base环境

2. conda create -n 名称 python=版本号 

3.输入同意下载

conda activate 名称进入环境

之后 pip install 下载的包就行

二.GPU训练CUDA 和对应的pytorch duu 版本安装

（1)查看服务器上“实际安装”的 CUDA Toolkit

ls /usr/local/

常见结果：cuda cuda-10.2 cuda-11.7 cuda-12.1

🔹 说明

• cuda-11.7、cuda-12.1 👉 不同 CUDA Toolkit 版本

• cuda 👉 软链接（默认使用的版本）

如何更改这个nvcc --version

直接

# 3. 编辑bashrc文件
nano ~/.bashrc

找到

然后修改成正确的路径就可以了

然后直接这个在官网上查找这个对应的torch版本

然后直接pip install 就可以 比如我这个CUDA 11.0的

# CUDA 11.0
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

如果正常就得到

验证

输入验证

import torch; print(torch.__version__); print(torch.cuda.is_available())"

#coding:utf-8
import torch
print(torch.cuda.current_device())# 输出当前设备（我只有一个GPU为0）
print(torch.cuda.device(0))
print(torch.cuda.device_count())# 输出含有的GPU数目
print(torch.cuda.get_device_name(0))# 输出GPU名称 --比如GeForce RTX 2060
x = torch.rand(5, 3)
print(x)

三，可能遇到问题

如果遇到这个Pytorch 和这个版本下载不起，可以尝试更换这个更换python版本推荐 3.9 尽量不要使用这个最新的版本不兼容

输入验证错误

报错numpy 版本冲突

运行

pip install "numpy<2" --force-reinstall

从新下载较旧的版本即可