PyTorch配置CUDA环境指南

1. 硬件准备

• 确认设备配备NVIDIA显卡（推荐RTX 20系及以上）
• 检查显卡算力：需满足CUDA要求（最低计算能力3.5）

2. 驱动程序安装

# 查看驱动兼容性（Linux示例）
nvidia-smi

• 通过NVIDIA官网下载最新驱动
• Windows用户可使用GeForce Experience自动更新

3. CUDA Toolkit安装

1. 访问NVIDIA CUDA下载页
2. 选择与PyTorch版本匹配的CUDA版本（如PyTorch 2.0推荐CUDA 11.8）
3. 执行安装并配置环境变量：

   export PATH=/usr/local/cuda-11.8/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
   

4. PyTorch安装

# 通过官方命令安装（示例CUDA 11.8版本）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

5. 环境验证

import torch

print(f"PyTorch版本: {torch.__version__}") 
print(f"CUDA可用: {torch.cuda.is_available()}")
print(f"设备数量: {torch.cuda.device_count()}")
print(f"当前设备: {torch.cuda.current_device()}")
print(f"设备名称: {torch.cuda.get_device_name(0)}")

# 张量运算测试
x = torch.rand(5, 3).cuda()
print(x)

6. 常见问题排查

• 驱动不兼容：通过nvidia-smi检查CUDA版本与驱动对应关系
• 版本冲突：使用conda list | grep cuda检查多版本冲突
• 虚拟环境：建议在Python虚拟环境中安装

7. 进阶配置

• 多GPU训练：使用torch.nn.DataParallel
• 混合精度训练：启用torch.cuda.amp
• 内存优化：设置torch.cuda.empty_cache()

提示：可通过torch.cuda.set_device(0)指定设备编号，使用torch.cuda.memory_allocated()监控显存使用

此配置方案已通过GTX 1080Ti/RTX 3090/RTX 4090设备验证，适用于Windows/Linux系统。