在conda环境下，安装Pytorch和CUDA

• 体系 : Ubuntu20.04
  
• 显卡：NVIDIA GTX1650
  显卡驱动已经装好（下令 nvidia-smi 查看显卡设置）
  （重要看一下第一行的参数，最大支持的CUDA版本为12.4 ）
  
  
  
  
• Aanconda 版本（安装指南）(似乎没什么影响)
  
  
  
  
     
  

安装步骤

Step1：更换 conda、pip、yum 国内源（十分须要）(换过的可以跳过)

不换源国内下载速度奇慢。

1. # conda ustc源
2. conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
3. conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
4. conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
5. conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
6. conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
7. conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
8. conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
9. conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
10. conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
11. conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
12. conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
13. conda config --set show_channel_urls yes
15. ​
16. # pip ustc源
17. pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple
18. ​
19. # yum 国内源 （ubuntu环境 不需要执行下面的命令）
20. mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo_bak
21. wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
22. yum makecache
23. yum -y update

复制代码

使用下令conda config --show-sources查看设置的全部源

在之后使用的过程中，假如使用pip等下令网速很慢，检查下令中有没有-c 或-c pytorch出现，假如有的话就删掉，因为这是让去官网下载。
Step2：新建一个conda虚拟环境

• 创建自己的虚拟环境，实行：
  

1. conda create -n env_test python=3.9         # 创建一个名为 env_test ，python版本为 3.9 虚拟环境

复制代码

过程中全部选择实行 y 即可！（这里只用设置python版本，这里的python版本和本机的python版本无关，想设置什么版本都可以。其他东西进入环境后再设置）

• 进入自己的虚拟环境，实行：
  

1. cconda activate env_test                    # env_test 为自己创建的环境名字

复制代码

下图是进入了一个名为env_test的conda环境

Step3：安装pytorch 和相关内容

PyTorch官网有自动生成安装下令的功能，直接用这个功能即可。
点这里进入页面（下载慢等一下）
Step3.1 生成方法：

1. PyTorch Build 选择 Stable（即稳定版）
2. Your OS 选择 Linux
3. Package 选择 Pip  （建议使用pip安装）
4. Language 选择 Python
5. Compute Platform 选择 CUDA 12.4 （这里的CUDA版本要小于等于文章开头查到的CUDA版本）

复制代码

即选择如下图。

注意：若下令中含有-c pytorch，注意要去掉-c pytorch，这个是指定下载的channel，后面是指定从官网下载，非常慢。
Step3.2 复制Run this Command的下令，并在终端中实行即可。

Step3.3 实行完成后使用conda list就可以看到下载的全部包了。

如下图：

Step3.4 判断是否安装乐成

在下令行输入python，回车
输入import torch，回车，没有报错阐明pytorch安装乐成
输入torch.cuda.is_available()，回车，返回true表示可以使用GPU

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

复制代码

——————————————————————————
关于torch.cuda.is_available() 返回False 详细阐明及解决（分析问题，但是没有解决）
now:我的显卡驱动掉了(笑哭)，返回了False，怎么解决？重装一下？各人有什么发起不？
接待批评区留言，感谢。

2025.02.17 更：
我掉显卡的问题解决啦，履历贴如下:
Ubuntu 20 掉显卡驱动的解决办法
参考博客：

• https://blog.csdn.net/weixin_44179120/article/details/125844391
  
• linux安装anaconda及设置pytorch环境
  
• Anaconda虚拟环境中安装torch + cuda + cuDNN
  
• PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系
  
• 一文讲清楚CUDA、CUDA toolkit、CUDNN、NVCC关系
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。