共计 1742 个字符，预计需要花费 5 分钟才能阅读完成。
1. 前置条件检查
在开始安装之前，确保你的系统满足以下要求：
- NVIDIA 显卡（建议 GTX 1060 及以上）
- 已安装最新 NVIDIA 驱动
- 确认 CUDA 兼容性
检查 NVIDIA 驱动版本：
nvidia-smi输出示例：
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 515.65.01 Driver Version: 515.65.01 CUDA Version: 11.7 |
|-------------------------------+----------------------+----------------------+2. 创建 conda 环境
最佳实践是创建独立环境避免依赖冲突：
conda create -n pytorch-gpu python=3.8
conda activate pytorch-gpu3. PyTorch 安装命令解析
访问 PyTorch 官网获取安装命令。不同 CUDA 版本对应不同命令：
-
CUDA 11.7：
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia -
CUDA 11.6：
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia
4. 安装验证
创建 test_gpu.py 文件：
import torch
# 检查 CUDA 是否可用
print(f"CUDA available: {torch.cuda.is_available()}")
print(f"CUDA device count: {torch.cuda.device_count()}")
print(f"Current device: {torch.cuda.current_device()}")
print(f"Device name: {torch.cuda.get_device_name(0)}")
# 创建张量测试
x = torch.rand(5, 3)
print(f"Tensor on: {x.device}")
# 移动到 GPU
if torch.cuda.is_available():
x = x.to('cuda')
print(f"Tensor moved to: {x.device}")运行结果应显示 CUDA 可用和设备信息。
5. 常见问题排查
问题 1：torch.cuda.is_available() 返回 False
可能原因：
– CUDA 版本不匹配
– 驱动未正确安装
– conda 环境未激活
解决方案：
1. 确认 nvidia-smi 显示驱动正常
2. 检查 PyTorch 版本与 CUDA 版本匹配
3. 尝试重新创建 conda 环境
问题 2：ImportError
可能缺少依赖：
conda install cudatoolkit=11.76. 性能对比测试
创建 benchmark.py：
import torch
import time
# 创建大矩阵
size = 10000
# CPU 测试
start = time.time()
a = torch.rand(size, size)
b = torch.rand(size, size)
c = torch.matmul(a, b)
print(f"CPU time: {time.time()-start:.4f} seconds")
# GPU 测试
if torch.cuda.is_available():
start = time.time()
a = a.to('cuda')
b = b.to('cuda')
c = torch.matmul(a, b)
print(f"GPU time: {time.time()-start:.4f} seconds")结语
通过本指南，你应该已经成功搭建了 PyTorch GPU 开发环境。建议尝试不同规模的矩阵运算（如 5000×5000，10000×10000）来观察 GPU 加速效果。随着计算规模增大，GPU 的优势会更加明显。
如果遇到问题，PyTorch 官方论坛和 Stack Overflow 是很好的求助资源。记得在提问时提供你的环境配置和完整错误信息，这能帮助其他人更快地帮你解决问题。
正文完
