这是我在 2022 年配置 Windows、Conda 和 CUDA 环境时留下的记录。具体版本已经过时，今天安装时应以 PyTorch 官方安装页生成的命令为准。下面的 CUDA 11.7 命令只用于还原当时的环境。

视频教程

环境配置

Anaconda 的 base 环境当然能跑，但项目一多就容易发生依赖冲突。我现在更倾向于每个项目建一个独立环境。

相关链接

CUDA：https://developer.nvidia.com/zh-cn/cuda-toolkit

cuDNN：https://developer.nvidia.com/rdp/cudnn-archive

PyTorch：https://pytorch.org/

PyTorch 官方安装页：https://pytorch.org/get-started/locally/

当时使用的版本

CUDA：

1
https://developer.nvidia.com/cuda-11-7-1-download-archive

cuDNN：

1
https://developer.nvidia.com/compute/cudnn/secure/8.6.0/local_installers/11.8/cudnn-windows-x86_64-8.6.0.163_cuda11-archive.zip

PyTorch：

1
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

前两个下载安装，最后一条命令在 Anaconda 环境里执行。

安装后建议先验证两件事：

1
2
3
4
import torch

print(torch.__version__)
print(torch.cuda.is_available())

第一行能输出版本号，说明 PyTorch 安装成功；第二行返回 True，说明当前环境能调用 CUDA。

在 PyCharm 终端中使用 Conda

  1. 找到 Anaconda Prompt 快捷方式，右击查看属性：

  2. 复制“目标”中从 cmd 开始的内容。

  3. 打开 Settings -> Tools -> Terminal，把内容粘贴到 Shell path，确认后重启 PyCharm：

Conda 依赖解析失败

使用 conda install 时，旧环境偶尔会遇到下面的错误：

1
2
3
failed with initial frozen solve. Retrying with flexible solve.
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
12

这通常与 Conda 元数据或环境依赖解析有关，可以先更新 Conda：

1
2
3
4
5
6
# 查看版本
conda -V
# 更新conda环境
conda update -n base conda
# 更新conda的所有包
conda update --all

更新不一定能解决所有冲突。如果仍然失败，先新建一个干净环境，再按官网命令安装，通常比继续修补 base 环境省时间。