Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建

本文详细介绍了在Win10系统、配备GTX1060显卡的环境下，如何使用Miniconda3搭建PyTorch1.7.1的GPU版本。首先确定CUDA11.2的兼容性，接着通过Anaconda Prompt安装Miniconda3，并设置北京外国语大学开源软件镜像站为镜像源。然后，利用conda或pip命令安装pytorch和torchvision，最后进行环境测试以确保配置成功。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

写在这里的初衷，一是备忘，二是希望得到高人指点，三是希望能遇到志同道合的朋友。

硬件信息：
系统：win10家庭中文版
CPU：i7-7700HQ
内存：16GB
显卡：GTX1060

一、确定硬件支持的CUDA版本

NVIDIA控制面板-帮助-系统信息-组件
在这里插入图片描述
CUDA 11.2.135的理解是，当前我安装的显卡驱动最高能支持的CUDA版本是11.2.135。显卡驱动是向后兼容的，新的版本兼容旧的版本
仔细说明请具体查看下边这篇博客：配置显卡驱动、CUDA、cuDNN以及说明三者之间的关系
可知：GTX1060最高能支持CUDA11.2版本,在这里，CUDA10.1比较稳定，pytorch和tensorflow环境配置都支持。

二、打开Anaconda Prompt(Miniconda3)

Miniconda3的环境配置安装可以查看：Miniconda3的环境配置
1）更换北京外国语大学开源软件镜像站
在这里插入图片描述

经过亲测，北京外国语大学开源软件镜像站有pytorch比较新的环境包，可以进行下载
在Anaconda Prompt(Miniconda3)窗口复制以下命令（回车执行），生成.condarc 的文件（位置位于用户目录下）

conda config --set show_channel_urls yes

在这里插入图片描述
以记事本方式打开.condarc文件，删掉里边全部的东西，然后去https://mirrors.bfsu.edu.cn/help/anaconda/这个地址，复制下边全部内容，然后粘贴到.condarc里保存退出

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https:/