以下是我亲测有效的使用 GTX 1060 的各部分安装版本
电脑系统：window 10
python版本：3.8.13
pytorch版本：1.11.0
CUDA版本：11.3
cuDNN版本：8.2
以下是我个人安装过程的步骤，以及我踩过的坑，这里解决踩坑问题主要参考：
RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验
Win10+MX250+CUDA11.3+cuDNN+Pytorch安装
文章目录
- 前言
- 一、安装Miniconda
- 二、创建conda环境
- 三.安装pytorch深度学习框架和d2l软件包
- 四、pytorch-gpu安装
- 五、测试
前言
由于本人今年CS准研一小白，入门深度学习的过程中，在学长的推荐下学习了李沫大神的《动手学深度学习》，在安装的pytorch环境的过程钟遇到的一些坑，在此特意分享踩坑心得，也防止下次换电脑重新装新的环境的时候避免再次遇到同样的问题。
一、安装Miniconda
这里根据李沫大神的《动手学深度学习》的安装教程进行安装的，大家也可以选择安装完整的conda。最简单的方法就是安装依赖Python 3.x的Miniconda。 如果已安装conda，则可以跳过以下步骤。
1、进入Miniconda官 ：https://conda.io/en/latest/miniconda.html
conda create –name torch_gpu python=3.8
conda activate torch_gpu
我们可以使用conda list命令来查看当前conda环境中有哪些包。
如果是老的显卡驱动可能cuda版本是10.2，这里我提前更新了一下显卡驱动，因为pytorch官 说win10不支持10.2cuda，支持11.3。
nvcc -V
如图所示则为成功
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
默认pytorch官 为下载源，下载速度太慢，很容易 错，所以更改为清华大学镜像，命令行输入下面的命令：
#添加Anaconda的清华镜像
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#设置搜索时显示通道地址
config –set show_channel_urls yes
conda uninstall pytorch
注：如果要删除自定义源更换回conda的默认源，直接删除channels即可，命令如下：
conda config –remove-key channels
然后采用官 默认的源进行安装就成功了，就是速度很慢。
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
五、测试
最后安装完成之后再进行验证。
通过nvcc -V和nvidia-smi分别查看cuda版本
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！