### 设置 CUDA 12 for Python 的方法 要在 Windows 系统上设置 CUDA 12 并用于 Python 开发，可以按照以下说明操作： #### 安装 NVIDIA 驱动程序 确保已安装支持 CUDA 12 的最新版 NVIDIA 显卡驱动程序。可以从 NVIDIA 官方网站下载并安装适合您的显卡型号的驱动程序[^3]。 #### 下载并安装 CUDA 工具包 访问 NVIDIA CUDA 官方页面（https://developer.nvidia.com/cuda-downloads），选择适用于 Windows 的 CUDA 12 版本进行下载和安装。在安装过程中，请注意勾选 cuDNN 库选项以便后续深度学习框架的支持。 #### 配置环境变量 为了使系统能够识别所安装的 CUDA 版本，在命令提示符中执行以下指令来设定环境变量： ```cmd set CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x set PATH=%CUDA_PATH%\bin;%CUDA_PATH%\libnvvp;%PATH% ``` 这里 `v12.x` 表示具体的 CUDA 12 子版本号，需依据实际安装路径调整[^1]。 #### 创建虚拟环境 推荐使用 Conda 或 venv 来管理独立的 Python 虚拟环境。通过以下命令创建一个新的虚拟环境： ```bash conda create -n cuda_env python=3.9 conda activate cuda_env ``` #### 安装必要的 Python 包 激活上述虚拟环境后，利用 pip 命令安装 PyTorch 和其他依赖项，这些工具通常会自动检测当前系统的 CUDA 版本并加载相应的预编译二进制文件： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu12x pip install bitsandbytes ``` 其中 `cu12x` 是指代 CUDA 12.x 的缩写形式；而 `bitsandbytes` 提供了一些针对特定硬件优化过的高效运算组件[^4]。 #### 测试 CUDA 是否可用 新建一个简单的测试脚本来验证配置是否成功： ```python import torch if __name__ == "__main__": print(f"CUDA Available: {torch.cuda.is_available()}") print(f"Current Device Index: {torch.cuda.current_device()}") print(f"Device Name: {torch.cuda.get_device_name(0)}") ``` 运行此脚本应该返回关于设备名称以及其状态的信息，表明 CUDA 正常工作[^2]。 --- ###