为了在 Python 3.13 环境中配置支持 NVIDIA GeForce RTX 5070 Ti 的 PyTorch GPU 版本，需要按照以下步骤进行操作： ### 准备工作 确保系统已经安装了适用于 RTX 5070 Ti 的最新 NVIDIA 显卡驱动。可以前往 [NVIDIA 官方网站](https://www.nvidia.com/Download/index.aspx) 下载并安装适合的显卡驱动程序。 ### 安装 CUDA Toolkit 和 cuDNN RTX 5070 Ti 支持较新的 CUDA 架构（如 SM 9.0），因此应选择与之兼容的 CUDA Toolkit 和 cuDNN 版本。目前建议使用 **CUDA 12.x** 和 **cuDNN 8.x**，因为它们对 Ampere 及更新架构有良好的支持[^4]。 - **CUDA Toolkit**: 可通过 NVIDIA 官网下载安装包。 - **cuDNN**: 需要注册 NVIDIA 开发者账号后下载对应的版本。 ### 安装 Conda 环境 推荐使用 Anaconda 或 Miniconda 来管理 Python 环境，以便更好地管理依赖项。创建一个新的虚拟环境，并指定 Python 3.13： ```bash conda create -n pytorch_gpu python=3.13 conda activate pytorch_gpu ``` ### 安装 PyTorch GPU 版本 访问 [PyTorch 官方网站](https://pytorch.org/get-started/locally/) 并根据当前环境选择合适的配置。对于 CUDA 支持，选择对应 CUDA 版本的 PyTorch 安装命令。例如，使用 `conda` 安装 PyTorch： ```bash conda install pytorch torchvision torchaudio cudatoolkit=12.1 -c pytorch ``` 或者使用 `pip` 命令： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121 ``` 以上命令将安装包含 CUDA 支持的 PyTorch 包，并自动处理相关依赖项。 ### 验证安装 安装完成后，可以通过运行以下代码验证 PyTorch 是否能够识别到 GPU： ```python import torch # 检查是否有可用的 GPU if torch.cuda.is_available(): # 获取当前 GPU 名称 print("GPU is available:", torch.cuda.get_device_name(0)) # 使用 GPU 进行简单计算 x = torch.rand(5, 3).cuda() print(x) else: print("No GPU available.") ``` 如果输出显示 GPU 名称为 "NVIDIA GeForce RTX 5070 Ti" 并且成功执行了 GPU 上的操作，则表示 PyTorch 已经正确配置。 ###