新手保姆級教程：Anaconda安裝PyTorch GPU版+PyCharm完美適配

?? 本篇為深度學(xué)習(xí)環(huán)境配置實操筆記，全程無冗余操作、指令可直接復(fù)制，適配Windows系統(tǒng)+NVIDIA顯卡，同時補充全機(jī)型PyTorch版本選型規(guī)則，零門檻上手。

前言

剛?cè)肟由疃葘W(xué)習(xí)，配置PyTorch環(huán)境總是頻繁踩坑？要么誤裝CPU版跑不動大模型，要么GPU調(diào)用失敗，好不容易裝好環(huán)境還不會在PyCharm里調(diào)用？

本篇基于Anaconda+NVIDIA RTX4060實操，從環(huán)境創(chuàng)建、PyTorch安裝到IDE適配，一步一指令，新手直接抄作業(yè)。同時補充不同電腦的PyTorch版本匹配方法，告別版本沖突，實現(xiàn)GPU加速自由。

一、前期準(zhǔn)備與環(huán)境自檢

1. 必備前提

• 已安裝Anaconda（用于隔離Python環(huán)境，杜絕包沖突）
• 電腦搭載NVIDIA獨立顯卡（AMD顯卡、Intel核顯僅支持CPU版PyTorch）

2. 顯卡與CUDA支持檢測

打開開始菜單，找到并啟動Anaconda Prompt，輸入以下命令查看顯卡信息：

nvidia-smi

正常輸出顯卡詳情即代表驅(qū)動正常，重點關(guān)注右上角CUDA Version（代表顯卡最高支持的CUDA版本，向下兼容）。

關(guān)鍵結(jié)論：只要NVIDIA驅(qū)動正常，無需手動下載安裝CUDA Toolkit，PyTorch會自帶對應(yīng)運行依賴，普通用戶不用額外配置！

二、必看：不同電腦如何選對PyTorch版本

很多人安裝失敗，核心原因是版本不匹配。先搞清楚自己的硬件和系統(tǒng)，再選安裝命令，一步到位不返工。

1. 按顯卡類型區(qū)分（核心判斷）

2. 按系統(tǒng)與CUDA版本適配

• Windows/Linux系統(tǒng)：優(yōu)先CUDA12.1（主流穩(wěn)定版），新顯卡/新驅(qū)動直接沖
• Mac系統(tǒng)（Intel芯片）：僅支持CPU版PyTorch
• Mac系統(tǒng)（M1/M2/M3芯片）：選官網(wǎng)對應(yīng)Metal加速版本，無CUDA概念

3. 快速獲取官方適配命令

前往 PyTorch官網(wǎng)，按提示選擇：系統(tǒng)→包管理器（Conda）→Python→CUDA版本，直接復(fù)制生成的命令即可，杜絕手動改錯。

三、核心實操：創(chuàng)建獨立環(huán)境+安裝GPU版PyTorch

?? 為什么不建議在base環(huán)境安裝？

base是Anaconda默認(rèn)核心環(huán)境，直接安裝第三方包極易引發(fā)版本沖突、環(huán)境崩潰。新建獨立虛擬環(huán)境，能實現(xiàn)框架隔離，后續(xù)重置、切換都更便捷。

步驟1：創(chuàng)建PyTorch專用環(huán)境

在Anaconda Prompt中執(zhí)行命令，環(huán)境名設(shè)為pytorch，Python3.10兼容性最優(yōu)：

conda create -n pytorch python=3.10

彈出提示Proceed ([y]/n)?，輸入y回車，等待環(huán)境創(chuàng)建完成。

步驟2：激活PyTorch環(huán)境

創(chuàng)建完畢后，執(zhí)行命令切換至專屬環(huán)境：

conda activate pytorch

當(dāng)命令行前綴從(base)變?yōu)?pytorch)，代表環(huán)境激活成功。

步驟3：安裝GPU版PyTorch（RTX4060專屬命令）

在激活的pytorch環(huán)境中，執(zhí)行適配CUDA12.1的命令（兼容RTX4060的CUDA12.5驅(qū)動）：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

中途提示確認(rèn)依舊輸入y，等待下載安裝完成，全程無需手動配置其他依賴。

?? 老舊顯卡替換命令（CUDA11.8）：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

?? 無獨顯CPU版命令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

步驟4：驗證安裝是否成功

安裝完成后，執(zhí)行測試命令，檢查GPU是否可調(diào)用：

python -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA是否可用:', torch.cuda.is_available())"

若輸出CUDA是否可用: True，代表PyTorch GPU版安裝成功，可享受顯卡加速。

四、PyCharm調(diào)用PyTorch環(huán)境（終極適配）

環(huán)境裝好后，只需在PyCharm中配置Python解釋器，即可正常編寫代碼、跑模型，步驟如下：

步驟1：打開解釋器設(shè)置

• 快捷方式：點擊PyCharm右下角Python版本提示欄
• 菜單方式：File → Settings → Project:項目名 → Python Interpreter

步驟2：添加已創(chuàng)建的Conda環(huán)境

• 點擊右上角Add Interpreter → Add Local Interpreter
• 左側(cè)菜單欄選擇Conda Environment
• 勾選Use existing environment（使用已有環(huán)境）
• 在下拉框中選中名為pytorch的環(huán)境（路徑包含envs\pytorch）
• 點擊OK → Apply保存配置

步驟3：PyCharm內(nèi)二次驗證

新建test.py文件，粘貼測試代碼：

import torch
# 校驗CUDA是否啟用
print(torch.cuda.is_available())
# 打印當(dāng)前使用的GPU型號
print(torch.cuda.get_device_name(0))

運行代碼，輸出True+顯卡型號（RTX4060），說明PyCharm已成功調(diào)用GPU版PyTorch。

總結(jié)

PyTorch GPU環(huán)境配置核心邏輯：先匹配版本→新建Conda隔離環(huán)境→安裝對應(yīng)PyTorch→PyCharm綁定解釋器。

全程不用手動裝CUDA、不用改復(fù)雜配置，搭配版本選型規(guī)則，不管是新顯卡還是老機(jī)型、Windows還是Mac，都能快速適配。這套環(huán)境搭建完成后，訓(xùn)練神經(jīng)網(wǎng)絡(luò)、跑大模型效率大幅提升，徹底告別CPU卡頓難題。

到此這篇關(guān)于Anaconda安裝PyTorch GPU版的實現(xiàn)步驟的文章就介紹到這了,更多相關(guān)Anaconda安裝PyTorch GPU內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論