当前位置：首页 > news >正文

02 深度学习环境搭建

news 2025/8/25 15:45:13

1、查看对应版本关系

详细见：https://blog.csdn.net/qq_41946216/article/details/129476095?spm=1001.2014.3001.5501

此案例环境使用 CUDA 11.7、Pytouch1.12.1、Miniconda3_py38(含Python3.8)

2. 安装Anaconda 或 Miniconda

本案例重点一为Miniconda准

2.1 安裝Anaconda

清华大学开源镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
安装过程见：https://blog.csdn.net/qq_41946216/article/details/129478882?spm=1001.2014.3001.5502

2.2 安装Miniconda

清华大学开源镜像：https://mirrors.bfsu.edu.cn/anaconda/miniconda/
安装过程见：https://blog.csdn.net/qq_41946216/article/details/129481760?spm=1001.2014.3001.5501

3. 安装CUDA

安装地址：CUDA Toolkit Archive | NVIDIA Developer
CUDA需和cuDANN版本对应

第一个路径默认（后面系统会自动删掉）

选择精简

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oB3QfHVD-1665490107623)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20221006162051844.png)]$

安装完毕在命令行输入nvcc --version，可以看到我安装的是11.7

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hxJP9Gyg-1665490107623)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20221006162540151.png)]$

4. 安装cuDANN

官网： https://developer.nvidia.com/rdp/cudnn-archive

在这里插入图片描述

解压cuDANN的压缩包发现里面会有三个文件夹 bin,include,lib

将它们复制到cuda安装下面C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.17，这是默认的路径

在这里插入图片描述

在路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite中，用cmd运行bandwidthTest.exe和deviceQuery.exe，如果得到两个PASS就证明成功了，如图。

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NfmKHKi5-1665490107626)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20221006163113441.png)]$