### PyTorch 2.2.0 CUDA 12.1 cuDNN 8 开发环境配置 为了配置一个包含 PyTorch 2.2.0、CUDA 12.1 和 cuDNN 8 的开发环境，以下是详细的说明和步骤： #### 1. PyTorch 2.2.0 支持情况 PyTorch 官方通常会在每个版本中支持最新的 CUDA 版本。根据官方文档，PyTorch 2.2.0 支持 CUDA 12.1，并且可以通过官方提供的安装命令进行配置[^4]。 #### 2. CUDA 12.1 安装 CUDA 12.1 是 NVIDIA 提供的最新版本之一，用于加速深度学习和科学计算任务。可以从 NVIDIA 官方网站下载并安装 CUDA Toolkit： - 下载地址：[https://developer.nvidia.com/cuda-downloads](https://developer.nvidia.com/cuda-downloads) - 确保选择正确的操作系统和版本。 - 安装完成后，验证 CUDA 是否正常工作，可以运行以下命令： ```bash nvcc --version ``` 如果显示 CUDA 12.1 的版本信息，则表示安装成功[^5]。 #### 3. cuDNN 8 安装 cuDNN 是 NVIDIA 提供的深度神经网络库，能够显著提升 GPU 上的深度学习性能。对于 CUDA 12.1，推荐使用 cuDNN 8.9 或更高版本（具体取决于兼容性）。安装步骤如下： 1. 前往 NVIDIA 官方网站下载 cuDNN： - 地址：[https://developer.nvidia.com/rdp/cudnn-archive](https://developer.nvidia.com/rdp/cudnn-archive) 2. 将下载的 cuDNN 文件解压后复制到 CUDA 安装目录下： - 头文件：`/usr/local/cuda/include` - 库文件：`/usr/local/cuda/lib64` 3. 验证 cuDNN 安装是否成功，可以通过以下代码测试： ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 如果输出 GPU 数量大于 0，则表示 cuDNN 已正确配置[^6]。 #### 4. PyTorch 2.2.0 安装 PyTorch 可以通过 pip 或 conda 进行安装。以下是基于 CUDA 12.1 的安装命令： - 使用 pip 安装： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` - 使用 conda 安装： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia ``` 安装完成后，可以通过以下代码验证 PyTorch 是否正确识别 GPU： ```python import torch print(torch.cuda.is_available()) print(torch.__version__) ``` 如果 `torch.cuda.is_available()` 返回 `True`，则表示 GPU 已被正确识别[^7]。 #### 5. 配置 Anaconda 环境 为了更好地管理依赖项，建议使用 Anaconda 创建独立的虚拟环境： ```bash # 创建环境 conda create -n pytorch_env python=3.10 # 激活环境 conda activate pytorch_env # 安装 PyTorch 和相关依赖 conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia ``` --- ###