1. 环境准备与基础概念刚接触深度学习的同学可能会被各种术语搞晕——Anaconda、CUDA、cuDNN、PyTorch这些名词到底是什么意思简单来说Anaconda是Python的包管理工具CUDA是NVIDIA显卡的计算平台cuDNN是针对深度学习的加速库PyTorch则是我们最终要用的深度学习框架。把它们想象成组装电脑Anaconda是工具箱CUDA是电源cuDNN是显卡驱动PyTorch就是你要运行的游戏。在开始之前你需要确认三件事你的Windows系统是64位版本右键此电脑→属性查看电脑配有NVIDIA独立显卡笔记本用户注意有些机型是双显卡至少有10GB的硬盘空间建议SSD固态硬盘提示如果使用笔记本电脑建议连接电源并设置为高性能模式避免安装过程中因节能模式导致的问题。2. Anaconda安装与配置2.1 下载与安装Anaconda官方下载页面提供了两个版本个人版和商业版。我们选择免费的Anaconda Individual Edition即可。下载时注意推荐选择Python 3.9版本2023年后的新版本如果网络不稳定可以使用清华镜像源加速下载安装时有几个关键选项需要注意安装路径不要包含中文或空格建议直接使用默认路径务必勾选Add Anaconda to my PATH environment variable第二个选项Register Anaconda as my default Python建议勾选安装完成后在开始菜单找到Anaconda Prompt不是普通的cmd输入conda --version如果显示版本号如conda 23.7.4说明安装成功。2.2 配置国内镜像源为了加速后续的包下载我们需要更换conda的软件源。在Anaconda Prompt中依次执行conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes3. CUDA与cuDNN安装3.1 检查显卡兼容性在桌面右键打开NVIDIA控制面板点击系统信息→组件可以看到类似CUDA 11.7.99的字样。这个数字表示你的显卡驱动支持的最高CUDA版本。更准确的方法是打开命令提示符cmd输入nvidia-smi输出结果中CUDA Version后面的数字就是驱动支持的CUDA版本。比如显示12.2表示你可以安装≤12.2的任何CUDA版本。3.2 选择CUDA版本PyTorch官网提供了版本对应表这里给出2023年的常见组合PyTorch 2.0CUDA 11.7/11.8PyTorch 1.13CUDA 11.6/11.7最新版PyTorch建议选择CUDA 12.1注意CUDA有向下兼容特性高版本驱动可以运行低版本CUDA但反过来不行。3.3 安装CUDA工具包到NVIDIA官网的CUDA Toolkit Archive下载对应版本。安装时注意选择自定义安装取消勾选Visual Studio Integration除非你需要VS开发安装路径建议保持默认C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7安装完成后在cmd中输入nvcc -V应该能看到对应的CUDA版本信息。3.4 安装cuDNNcuDNN需要注册NVIDIA开发者账号才能下载。选择与CUDA版本匹配的cuDNN比如CUDA 11.7对应cuDNN 8.5.x。下载后解压将其中的bin、include、lib文件夹复制到CUDA安装目录下如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7。4. PyTorch-GPU环境配置4.1 创建虚拟环境在Anaconda Prompt中执行conda create -n pytorch_gpu python3.9 conda activate pytorch_gpu这里创建了一个名为pytorch_gpu的独立环境使用Python 3.9。虚拟环境的好处是可以隔离不同项目的依赖避免版本冲突。4.2 安装PyTorch访问PyTorch官网获取安装命令。以CUDA 11.7为例conda install pytorch torchvision torchaudio pytorch-cuda11.7 -c pytorch -c nvidia如果下载速度慢可以添加清华源后安装conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda install pytorch torchvision torchaudio pytorch-cuda11.74.3 验证安装启动Python交互环境python依次输入以下命令import torch print(torch.__version__) # 应该显示2.0.0cu117类似的版本 print(torch.cuda.is_available()) # 应该返回True print(torch.cuda.get_device_name(0)) # 显示你的显卡型号5. 常见问题排查5.1 CUDA不可用如果torch.cuda.is_available()返回False可能是显卡驱动太旧 → 更新NVIDIA驱动PyTorch版本与CUDA不匹配 → 重新安装对应版本环境变量未正确设置 → 检查PATH是否包含CUDA路径5.2 安装速度慢除了使用清华镜像源还可以尝试conda clean --all conda install --use-index-cache pytorch...5.3 内存不足大型模型训练时可能出现内存不足可以减小batch size使用混合精度训练尝试梯度累积技术我在实际项目中遇到过PyTorch自动下载CPU版本的情况这时候需要彻底删除环境后重新创建。另一个常见坑是不同软件对CUDA版本的要求冲突比如某些图像处理库需要旧版CUDA这时可以考虑用Docker容器隔离环境。