Win11及CUDA12.1环境下PyTorch安装及避坑指南

适用场景

本文适用于需要在Windows 11操作系统上，搭配CUDA 12.1环境安装PyTorch的用户。无论是深度学习初学者，还是需要快速搭建开发环境的研究人员，本指南都能帮助你高效完成安装，并避免常见的配置问题。

适配系统与环境配置要求

系统要求

• 操作系统: Windows 11（64位）
• 显卡: NVIDIA显卡，支持CUDA 12.1
• 驱动: 确保已安装最新版NVIDIA显卡驱动

软件要求

• Python: 推荐使用Python 3.8或更高版本
• CUDA Toolkit: 12.1版本
• cuDNN: 与CUDA 12.1兼容的版本
• PyTorch: 支持CUDA 12.1的最新稳定版

资源使用教程

1. 安装CUDA Toolkit 12.1

1. 访问NVIDIA官网下载CUDA Toolkit 12.1安装包。
2. 运行安装程序，选择自定义安装，确保勾选CUDA相关组件。
3. 完成安装后，验证CUDA是否安装成功：

   nvcc --version
   

2. 安装cuDNN

1. 下载与CUDA 12.1兼容的cuDNN版本。
2. 解压文件，并将内容复制到CUDA安装目录下的对应文件夹中。

3. 安装PyTorch

1. 打开命令行工具，使用以下命令安装PyTorch（支持CUDA 12.1）：

   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
   

2. 验证PyTorch是否成功识别CUDA：

   import torch
   print(torch.cuda.is_available())
   

常见问题及解决办法

1. CUDA安装失败

• 问题描述: 安装过程中提示缺少依赖或版本冲突。
• 解决办法: 确保系统已安装最新驱动，并卸载旧版CUDA后再重新安装。

2. PyTorch无法识别CUDA

• 问题描述: torch.cuda.is_available()返回False。
• 解决办法: 检查CUDA和cuDNN版本是否匹配，并重新安装PyTorch。

3. 运行时报错

• 问题描述: 运行程序时提示“找不到指定模块”。
• 解决办法: 确保环境变量中已正确配置CUDA路径。

通过本指南，你可以轻松在Win11及CUDA12.1环境下完成PyTorch的安装与配置，避免踩坑，快速进入深度学习开发阶段！