Anaconda环境下安装GPU版PyTorch：从环境配置到避坑指南

1次阅读

共计 1311 个字符，预计需要花费 4 分钟才能阅读完成。

在 Windows/Linux 系统下安装 GPU 版 PyTorch 时，初学者常遇到以下问题：

CUDA 版本不匹配：PyTorch 版本与本地 CUDA 驱动版本不兼容，导致无法调用 GPU
环境冲突：conda 与 pip 混合安装时依赖项冲突，引发 ImportError
环境污染：直接安装在 base 环境导致后续难以管理多个项目依赖

安装方式	优点	缺点
conda 安装	自动解决依赖关系	版本更新可能滞后
pip 安装	能获取最新版本	需要手动处理 CUDA 依赖
源码编译	可完全自定义	耗时且对新手不友好

推荐组合方案：conda 创建虚拟环境 + pip 安装 PyTorch

# Windows:
nvidia-smi  # 右上角显示最高支持的 CUDA 版本

# Linux:
nvcc --version

conda create -n torch_gpu python=3.8 -y
conda activate torch_gpu

访问 PyTorch 官网获取安装命令。例如 CUDA 11.3：

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

import torch
print(torch.__version__)  # 应显示 1.12.1+cu113
print(torch.cuda.is_available())  # 应返回 True

现象：导入 torch 时报错
解决方案：
1. 检查虚拟环境是否激活
2. 运行 conda list 确认安装的包
3. 彻底卸载后重新安装：

pip uninstall torch torchvision torchaudio
conda uninstall pytorch torchvision torchaudio

原因：GPU 显存不足
解决：
– 减小 batch_size
– 使用torch.cuda.empty_cache()

import time
import torch

# 创建大型矩阵
x = torch.randn(10000, 10000)

# CPU 计算
start = time.time()
_ = x @ x
print(f"CPU time: {time.time()-start:.2f}s")

# GPU 计算
x = x.cuda()
start = time.time()
_ = x @ x
torch.cuda.synchronize()  # 等待 CUDA 操作完成
print(f"GPU time: {time.time()-start:.2f}s")

典型输出：