前言：

听学长的建议，建议在大一下 的时候学一点神经网络的东西,给我推荐了pytorch的网课，可是我在安装了4个小时后几乎都没法完成，有关网络问题，软件的版本问题，硬件问题，层出不穷，现写一篇有关nvida gpu安装torch的视频 ，总结经验

配置要求:

windows11 or 10操作系统

nvidaGPU （amd和核显的没尝试过，但网上也有别的攻略

参考链接：

Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2_哔哩哔哩_bilibili

这篇视频讲的已经很不错了，但是仍然有很多方式  和 技巧 来更快地安装成功，早日走上"炼丹" 之路!

开始安装：

conda/miniconda的下载

python有很多发行版本，你当然可以直接从python官网中下载最新的python一件安装 ，或者你电脑上本身有python，不想再装一遍了，但是经验告诉我，不要执着于最新的版本，应为新版本的python有一些版本的模块是无法安装的，所有我更推荐你用一些python的版本管理工具

这里我推荐conda，miniconda是conda的精简的版本，如果觉得conda太大，可以学我下载miniconda,之后再手动安装对应的包和工具

miniconda直达链接Download Anaconda Distribution | Anaconda

这个直接下载最新版本即可 ，然后一路下一步，具体参考这个链接Miniconda 安装及使用for windows（保姆级教程）-CSDN博客

创建python虚拟环境

win + R 打开cmd 输入

conda -V

出现版本号表示安装完成，否则可能需要手动配置环境变量

学一些conda的基本命令

conda create -n myenv python=3.8   
conda activate myenv
conda deactivate
conda env list
conda env remove -n myenv

第一行创建一个3.8版本的虚拟环境

第二行激活自己的虚拟环境

第三行退出这个环境

第四行列出你所有的虚拟环境

第五行删除这个虚拟环境

请你按照文档安装确定版本的python，否则之后的步骤可能会有很大的影响（包括但不限于 对应的python库由于不支持无法安装等问题

和我一样需求的可以参考这个安装 — 动手学深度学习 2.0.0 documentation

conda create --name d2l python=3.9 -y
conda activate d2l

实测3.12.9在安装时会出bug目前不会修复

pytorch的下载

非常建议先下载pytorch，一般来说 cuda的版本会比pytorch的版本更新，这时候就需要下载对应的版本

win + R 输入 cmd  输入一下命令：

nvidia-smi

具体可以参考我的图片

这里应该能列出cuda version 根据自己的cuda version 选择自己的pytorch版本

这里我cuda的版本是12.8但是pytorch没有对应的12.8只有12.6那么下一次我就只能装12.6的pytorch，回头下载12.6版本的cuda

选择pip复制下面的命令

利用conda切换到指定的python环境（一定要切换环境 不然就白装了

有别的文章会建议你接一个-y参数 后面接上国内的镜像源，但是实际上我用镜像源装的pytorch和官方原版有很大区别，弄够import 但是如何链接到cuda  因此就这个安装命令而言，我非常不建议换源，如何有条件，可以挂一个🪜，速度能翻好几倍，相关🪜的教程 ，我之后也会抽时间写的，先挖一个坑

经过漫长的安装后，你可以直接在命令行中输入以下命令，验证是否安装成功

pip show torch

出现版本信息表示安装成功

cuda安装

还记得你pytorch的版本吗？ 直接进入这个链接，下载对应版本的cudaCUDA Toolkit Archive | NVIDIA Developer

这个是最省事的，直接找到对应版本，一件安转即可

最后

检测时候都配置好了

conda env list
conda acitivate d2l
python
import torch
print(torch.__version__)

返回true的话就表示可以正常连接到gpu

这时候你就可以安装一点别的东西，去跑一跑AI模型之类的

jupyter notebook

可以用这个写python代码 没有的话用pip安装一下就行了