例外情況 1（較小概率）

如果確定自己電腦是有 GPU 的，但是按照上述方法，在任務(wù)管理器里找不到 GPU。那么有可能是沒(méi)有安裝顯卡驅(qū)動(dòng)。那就下個(gè)驅(qū)動(dòng)軟件，比如驅(qū)動(dòng)精靈之類(lèi)的把驅(qū)動(dòng)安裝一下。

GPU 版本 Anaconda 的下載、安裝（是否需要配置）

下載

• Anaconda 各版本下載網(wǎng)址
  • 整理于（2024 年 7 月中旬）。
  • 大多時(shí)候直接下最新版本即可，可支持的 Python 版本多。
  • 需要?dú)v史版本就去下面整理好的歷史網(wǎng)址下載。

官網(wǎng)網(wǎng)速就挺好，慢的話復(fù)制粘貼下載網(wǎng)址到迅雷幫助提速。

• 最新版本官網(wǎng)下載網(wǎng)址：https://www.anaconda.com/download/

跳過(guò)注冊(cè)即可。

• 歷史版本官網(wǎng)下載網(wǎng)址 1：https://docs.anaconda.com/anaconda/allpkglists/
• 歷史版本官網(wǎng)下載網(wǎng)址 2：https://docs.anaconda.com/

通過(guò)上圖標(biāo)記的地方，你最終點(diǎn)擊 Anaconda installer archive 進(jìn)入最終下載頁(yè)面——

之所以上面給一堆網(wǎng)址而不是直接給最終下載頁(yè)面的網(wǎng)址 3，是因?yàn)樗?jīng)常掛掉，但是也記錄下來(lái)吧

• 歷史版本官網(wǎng)下載網(wǎng)址 3（常掛）：https://repo.anaconda.com/archive/
  • 找你需要的版本下載即可。

安裝

• 點(diǎn)擊“Next”——

• 點(diǎn)擊“I agree”——

• 點(diǎn)擊隨便哪一個(gè)都行，然后“Next”——

• 注意路徑要全英文
  • 隨便裝在哪里，我沒(méi)有分盤(pán)，所以啥都往 C 盤(pán)裝——

• 第二個(gè)最好別勾，容易出問(wèn)題，裝好以后我們自己手動(dòng)配置環(huán)境——

• 等吧，挺快的——

• 點(diǎn)擊“Next”——

• 再點(diǎn)擊“Next”——

這倆框都別勾，“Finish”，安裝結(jié)束——

檢查 Anaconda 是否安裝成功

法一

• 雙擊 Anaconda 桌面快捷方式打開(kāi)軟件，在 Environments 中看有沒(méi)有 base（root）基礎(chǔ)虛擬環(huán)境。

法二

• “Win+R” > cmd，進(jìn)入操作系統(tǒng)的終端界面。
  • 查看 Python 版本，輸入

python --version

• 查看當(dāng)前 conda 環(huán)境中所有已經(jīng)安裝的軟件包——

conda list

運(yùn)行如圖——

• 查看 conda 版本，輸入——

conda --version

法三

• 在應(yīng)用欄搜索 anaconda prompt，看有沒(méi)有這兩個(gè)應(yīng)用。
  • 隨便點(diǎn)一個(gè)。

• 看有沒(méi)有 base（root）基礎(chǔ)虛擬環(huán)境。

配置環(huán)境變量

• 打開(kāi)“高級(jí)系統(tǒng)設(shè)置 > 環(huán)境變量”

• 在 path 中添加路徑變量——

• 如圖添加這 5 個(gè)路徑——

• 添加完成！

CUDA 的準(zhǔn)備工作 + CUDA Toolkit + CUDNN

CUDA Driver Version、CUDA Runtime Version 都是什么東西？

• 關(guān)系是什么？
  • 顯卡是硬件，想被計(jì)算機(jī)識(shí)別要依靠顯卡驅(qū)動(dòng)。
  • 顯卡驅(qū)動(dòng)自帶 cuda driver，（安裝驅(qū)動(dòng)的同時(shí)，cuda driver 也會(huì)被安裝好。cuda 是可以讓顯卡進(jìn)行并行運(yùn)算的平臺(tái)/工具/包/庫(kù)）。
  • cuda runtime 在虛擬環(huán)境里面。

三者必須相互匹配，PyTorch 的 GPU 版本才能運(yùn)用。（PyTorch 用 cuda runtime 調(diào)用 cuda driver，進(jìn)而去操控顯卡進(jìn)行并行計(jì)算）

確定自己的顯卡算力

確定自己的顯卡型號(hào)

• 確定哪些 CUDA Runtime Version 支持顯卡對(duì)應(yīng)的算力。
• 確保自己的 CUDA Driver 版本：
  • CUDA Driver Version ≥ PyTorch 的 CUDA Runtime 版本 > 顯卡對(duì)應(yīng)的算力。

具體步驟

1. 硬件顯卡算力是固定的

   • 一般我們裝顯卡驅(qū)動(dòng)的最高版本，驅(qū)動(dòng)安裝好以后，記下大概是多少。

2. 打開(kāi) PyTorch 官網(wǎng)

   • 選擇小于顯卡驅(qū)動(dòng)的 CUDA Runtime 版本（并保證 CUDA Runtime 版本支持顯卡算力）進(jìn)行安裝就可以了。

建議安裝顯卡驅(qū)動(dòng)最高或者比較高的版本，一方面可以使用更高版本 CUDA，更加充分利用 GPU，另一方面就是后面安裝不容易出現(xiàn)問(wèn)題。

如果不想安裝顯卡驅(qū)動(dòng)

• 在虛擬環(huán)境里或者打開(kāi)命令行輸入如下命令：

nvidia-smi

• 要是顯示非外部命令，那就老老實(shí)實(shí)去裝高版本的顯卡驅(qū)動(dòng)吧。

確定顯卡型號(hào)以及顯卡驅(qū)動(dòng)版本

• 方法很多

我的顯卡型號(hào)是 NVIDIA GeForce RTX 4060 8GB

注意

由于內(nèi)容篇幅限制，總段落優(yōu)化后未完全展示，后續(xù)段落可繼續(xù)以 Markdown 的形式保持層級(jí)與圖片引用規(guī)則進(jìn)行處理。

原文轉(zhuǎn)載自：https://mp.weixin.qq.com/s/x-pVfa7bQ_uNv0L56Jp-sQ

#你可能也喜歡這些API文章!

IT咨詢(xún)顧問(wèn)的關(guān)鍵抓手-DeepSeek+企業(yè)架構(gòu)-快速的熟悉和洞察一個(gè)新的行業(yè)

基于Ollama與AnythingLLM的DeepSeek-R1本地RAG應(yīng)用實(shí)踐

模型引擎的技術(shù)債務(wù)？一個(gè)Deepseek三種API引發(fā)的連鎖反應(yīng)

Windows 上快速部署.NET Core Web 項(xiàng)目

.NET開(kāi)發(fā)者看過(guò)來(lái)！DeepSeek SDK 集成

LangChain4j實(shí)戰(zhàn)-Java AI應(yīng)用開(kāi)源框架之LangChain4j和Spring AI

后端開(kāi)發(fā)人員Docker快速入門(mén)

生產(chǎn)級(jí)滿血版Deepseek-r1 671B部署實(shí)例

生產(chǎn)級(jí)滿血版Deepseek-r1 671B部署后續(xù)問(wèn)題、調(diào)優(yōu)以及壓測(cè)