### 配置 PyTorch 环境的详细方法 #### 1. 检查硬件和操作系统 在开始之前，确认您的荣耀 MagicBook 笔记本满足以下条件： - Windows 10 操作系统已正确安装并更新至最新版本[^3]。 - 笔记本配备 NVIDIA MX150 显卡，并确保显卡驱动程序已正确安装。 可以通过以下命令检查 GPU 是否可用以及其计算能力 (Compute Capability)： ```bash nvidia-smi ``` 如果 `nvidia-smi` 命令不可用，则需先下载并安装最新的 NVIDIA 驱动程序。 --- #### 2. 安装 CUDA 和 cuDNN 为了充分利用 GPU 加速功能，您需要安装与 PyTorch 版本兼容的 CUDA 工具包及其依赖项 cuDNN： - **CUDA**: 下载适用于 NVIDIA 的 CUDA Toolkit v9.2 或更高版本。可以从官方页面获取：https://developer.nvidia.com/cuda-toolkit-archive[^1]。 - **cuDNN**: 同样从 NVIDIA 官方网站下载对应于所选 CUDA 版本的 cuDNN 库，并将其解压到指定路径下。 完成以上操作后，请验证环境变量设置是否正确，尤其是 `%PATH%` 中应包含 CUDA bin 文件夹的位置。 --- #### 3. 创建 Anaconda 虚拟环境 建议通过 Conda 来管理 Python 解释器及相关库文件，这样可以有效隔离不同项目之间的依赖冲突。 执行如下指令创建一个新的虚拟环境（假设目标 Python 版本为 3.7）： ```bash conda create -n pytorch python=3.7 ``` 激活新建的虚拟环境： ```bash conda activate pytorch ``` 此时终端提示符前缀应该变为 `(pytorch)` 表明当前处于该特定环境下工作。 --- #### 4. 安装 PyTorch 及其他必要组件 根据引用中的指导信息，在此环境中利用 Pip 进行具体框架的部署。以下是针对 CUDA 9.2 支持版的具体命令： ```bash pip install torch==1.6.0+cu92 torchvision==0.7.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html ``` 这条语句指定了精确匹配的 PyTorch 发布版本号以及附加参数 `-f` ，指向稳定资源链接地址来保障下载源可靠性和一致性。 另外还可以考虑加入一些常用的科学计算或者机器学习辅助工具比如 NumPy, Matplotlib 等等以增强开发体验： ```bash pip install numpy matplotlib scikit-learn pandas jupyterlab ``` --- #### 5. 测试安装成功与否 最后一步非常重要——验证整个流程无误。打开 Python Shell 并尝试导入模块同时查询设备状态： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0)) ``` 正常情况下输出应当显示支持 CUDA 的标志位 True 以及具体的 GPU 名称字符串如 'NVIDIA GeForce GTX ...' 类型表述[^1]。 --- ### 注意事项 - 如果遇到任何错误消息，请仔细阅读报错详情并与实际安装步骤对照排查问题所在。 - 对于初学者而言观看视频教程可能更加直观易懂，推荐参考千锋教育发布的系列课程作为补充资料[^2]。