2025最新深度学习pytorch完备设置：conda/jupyter/vscode

从本日开始，开始一个新的专栏，更新深度学习相干的内容，从入门到醒目，起首的起首是关于环境的设置指南：工欲善其事必先利其器！
PyTorch 是由 Facebook（现 Meta）开辟的 开源深度学习框架，以机动性和易用性著称，广泛用于学术研究和工业实践。

---

教程内容比力长，但是应该是最全的，须要耐烦看完！
目次
1.操纵体系及设置确认
2.从Anaconda安装开始（若已经安装完则跳过）
（1）人工智能学习中Anaconda的紧张性:
（2）下载anaconda
（3）anaconda的安装
（4）验证安装及设置指南
3.确认GPU支持的CUDA版本
4.安装CUDA之前先安装Visual Studio
（1）下载Visual Studio
（2）Visual Studio安装设置
5.CUDA下载安装
（1）下载对应版本的CUDA安装包
 （2）安装设置CUDA
（3）验证安装
6.cuDNN下载
7.pytorch下载安装
（1）新建conda环境
（2）conda换源
（3）下载pytorch
（4）验证安装
8.VScode使用conda捏造环境
（1）根本设置
（2）使用conda捏造环境 
9.Jupyter Notebook使用conda各种捏造环境
10.竣事

---

1.操纵体系及设置确认

• 操纵体系: Windows 10/11（64位）
  
• 内存: 发起8GB以上（深度学习需求越大越好）
  
• 存储空间: 至少20GB可用空间
  
• GPU（可选）: NVIDIA显卡（需支持CUDA，保举RTX 20/30/40系列）
  

pytorch可以安装cpu版本，但是我们一样平常还是默认用gpu版本。

2.从Anaconda安装开始（若已经安装完则跳过）

Anaconda是一个盛行的开源数据科学平台，它是Python和R语言的发行版，专为科学盘算和数据分析而筹划。我们设置python环境及安装各种包使用conda。
（1）人工智能学习中Anaconda的紧张性:

在人工智能学习范畴，Anaconda的紧张性体如今以下几个方面：
【1】简化环境设置：人工智能项目通常须要大量的第三方库，而Anaconda可以一键安装这些库及其依靠，大大简化了环境设置的过程。
【2】支持多语言和多版本：人工智能研究和开辟中大概会用到差别的编程语言和差别版本的Python，Anaconda可以轻松管理这些需求，制止版本辩说。
（2）下载anaconda

我们可以在anaconda官网下载：
Download Now | Anaconda

速率比力慢，我们可以选择清华镜像源：
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

点击安装包下载到当地。
（3）anaconda的安装

根据图片的序次安装

这里选择安装路径，路径不要包罗中文，可以使用默认路径，也可以按Browse更改安装位置，如更改为D盘，但是肯定要包管有至少20G的储存空间。最好能记得安装的位置是那边。

三个选项都举行勾选，然后点击安装(如果有add PATH选项肯定要勾选)

然后就会安装完。
（4）验证安装及设置指南

点击电脑的搜刮，输入：Anaconda Prompt，看看有没有这个图标，有的话就是安装上了。

如果刚刚点击了add PATH，那环境已经设置好了，可以跳过接下来的步调：
搜刮高级体系设置

双击体系变量行的PATH进入

点击新建，把这几个按照你刚刚安装的路径举行添加，然后点确认

末了打开Anaconda Prompt验证：
输入conda -V

安装乐成

3.确认GPU支持的CUDA版本

搜刮栏搜刮：NVIDIA控制面板

得到显卡型号。

再得到CUDA信息，记着自己这里表现的CUDA几点几的信息

4.安装CUDA之前先安装Visual Studio

CUDA要基于VS的C模块，这是我之前直接安装遇到的一个坑，因此在这里我们先安装Visual Studio。
安装VS的版本参考刚刚你的GPU支持的CUDA版本：
如果你的CUDA是17开头的（大部门都是），那就安装Visual Studio 2022

（1）下载Visual Studio

我们可以在官网下载：
Visual Studio: 面向软件开辟职员和 Teams 的 IDE 和代码编辑器

固然，这个过程须要注册，等等，可以从我网盘中下载：
百度网盘 请输入提取码
提取码：kddt
（2）Visual Studio安装设置

点击Visual Studio Installer举行安装

点击安装

点击继续举行安装：

不停到一个须要举行选择的地方。我们仅选择C++选项，然后再更改安装位置为我们须要安装的位置：

然后反面默认选择，直到安装竣事。（安装时间比力长，须要等候，是正常的）

5.CUDA下载安装

CUDA（Compute Unified Device Architecture）是由NVIDIA开辟的并行盘算平台和编程模子。它答应开辟者使用NVIDIA的GPU举行通用盘算，而不但仅是图形渲染。CUDA提供了一套易于使用的编程接口，使得开辟者可以使用GPU的强盛盘算本领，而无需深入相识GPU的底层架构。
（1）下载对应版本的CUDA安装包

我们通过官网下载：
CUDA Toolkit Archive | NVIDIA Developer

打开后，我们选择不高于GPU支持的最新的CUDA举行安装！
这个是由你刚刚在第三步确认的，比如你的GPU支持12.7，那我们安装12.6.3，别安装最新的12.8
点击对应版本左边的一栏后，我们可以跳转到下一个页面：按照我选的选择举行下载

 （2）安装设置CUDA

双击安装包举行安装：
这个界面是选择一个临时文件存放地点，选一个空闲位置比力大的位置就行，安装完后会打扫。

选择自界说，点击下一步

默认全选，下一步

可以更改安装位置，点击下一步

然后序次点击下一步安装即可
（3）验证安装

我们win + r 输入cmd
打开后，输入：nvcc -V

表现CUDA版本则安装乐成

6.cuDNN下载

cuDNN是NVIDIA开辟的深度神经网络GPU加快库，专为深度学习任务优化，提供高度优化的根本运算实现，明显提升模子练习和推理的速率
我们通过官网下载：
cuDNN Archive | NVIDIA Developer

找到得当自己下载CUDA版本的最新版本举行下载

然后须要举行一个简短的注册之后就可以下载了。
解压后得到如下文件：

我们将这三个文件ctrl + c 然后复制到刚刚安装CUDA的文件夹

直接粘贴就可以了，它会举行更换

7.pytorch下载安装

PyTorch在深度学习范畴被广泛使用，紧张得益于其动态盘算图、易用性和直观的API筹划、强盛的社区支持以及在研究和应用中的高度机动性
（1）新建conda环境

先打开刚刚的Anaconda Prompt

前面的base表现如今在base环境
我们输入:

1. conda create -n pytorch

复制代码

创建环境，办理完各种依靠后键盘输入y继续
（2）conda换源

我们直接从官网举行pytorch下载会很慢，因此我们先转换为国内源
在Anaconda Prompt中复制下面的代码输入：

1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
3. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

复制代码

切换为清华源，然后再复制粘贴下面的看看是否换源乐成：

1. conda config --show channels

复制代码

（3）下载pytorch

先在pytorch中激活我们刚刚创建的环境：

1. conda activate pytorch

复制代码

看到前面变为pytorch就乐成
然后我们去pytorch官网获取下载代码：
PyTorch

留意：不能安装高于你CUDA版本的pytorch
然后由于PyTorch 将克制发布依靠于 Anaconda 默认包的 Anaconda 包，由于 conda 构建的维护资本很高，这与我们本日观察到的投资回报率不符（如 PyPI 与 conda 之间的下载差别所示）
以是我们不能用conda去机动管理pytorch了，遗憾，不外用pip也没标题哦
复制官网的下令到Anaconda Prompt就可以安装了
（4）验证安装

我们在Anaconda Prompt中输入python进入python

然后输入import torch及 torch.__version__

如许即安装乐成

8.VScode使用conda捏造环境

VScode的安装过程非常简单，直接去官网下载安装即可：
Visual Studio Code - Code Editing. Redefined

打开刚刚下载的vscode
（1）根本设置

实在就是我们须要下载几个小插件：

搜刮Chinese安装中文包：

搜刮python，安装python插件：

（2）使用conda捏造环境 

我们新建一个文件，输入一个简单代码：

然后看右下角：

点击后会提示更换环境：

更换为我们在conda中创建的环境即可乐成
如果找不到右下角的按钮，我们须要点左下角的信托按钮（乐成更换则不需）：

9.Jupyter Notebook使用conda各种捏造环境

我们在安装完Anaconda后，jupyter就一起被安装下来了，但是你会发如今使用的过程中只能使用一个内核：

如果我们想要更换内核，起首先保持Jupyter关闭状态（包罗Jupyter的终端）
然后打开Anaconda Prompt
在base环境下输入：

1. conda install jupyter ipykernel

复制代码

然后切换到你想用的环境，比如pytorch

1. conda activate pytorch

复制代码

再在这个环境下：

1. conda install jupyter ipykernel

复制代码

然退却回到base环境 : conda activate base
输入jupyter notebook
启动notebook后，就可以在kernel这里切换环境了

每次新创建一次环境，就须要重新在谁人环境下运行：

1. conda install jupyter ipykernel

复制代码

每次打开jupyter要在base环境下打开！

10.竣事

非常的不轻易，但是如今，你已经安装完设置好了全部的深度学习使用pytorch的环境了，下面就可以开始举行深度学习的学习了，恭喜你！
后续本专栏会更新深度学习相干的体系入门学习资料，欢迎订阅专栏！