Windows 下配置 GPU 用于深度学习（PyTorch）的完整流程

1. 安装 NVIDIA 显卡驱动

• 前往 NVIDIA官网 下载并安装适合你显卡型号（如 5070Ti）的最新版驱动。
• 下载 NVIDIA 官方驱动 | NVIDIA
• 安装完成后建议重启电脑。

2. 安装 CUDA Toolkit

• 前往 CUDA Toolkit 下载页。

• 选择 Windows、x86_64、你的系统版本，建议选择 CUDA 12.1（与 PyTorch 官方 whl 兼容性最好）。
• CUDA Toolkit 12.9 Update 1 Downloads | NVIDIA Developer

• 下载并安装，务必勾选“添加到环境变量”。
• 或者手动添加：

• C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.x\\bin

  

• 安装完成后，重启电脑。

3. 检查 CUDA 是否安装成功

• 打开命令行，输入：

• nvcc --version

  能看到 CUDA 版本号（如 release 12.1 或 12.9）即为成功。

• 

4. 安装 cuDNN（可选）

• PyTorch 官方 whl 已自带 cuDNN，通常无需单独安装。

5. 安装 PyTorch GPU 版本

• 强烈建议用 PyTorch 官方 CUDA 12.1 源安装（速度慢但最全）：

•   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

• 如果你想用国内镜像（速度快，但不一定有最新 GPU 版）：

安装后请用下面的代码检查是否为 GPU 版。

6. 检查 PyTorch 是否能用 GPU

在 Python 里运行：

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())
if torch.cuda.is_available():
    print(torch.cuda.get_device_name(0))

• torch.cuda.is_available() 为 True，且能输出你的显卡型号，说明配置成功。
• 

7. 常见问题与排查

• torch.cuda.is_available() 为 False：

• 检查 CUDA Toolkit 是否安装并加到 PATH。

• 检查 PyTorch 是否为 GPU 版（不是 +cpu）。

• 检查 CUDA 版本和 PyTorch CUDA 版本是否兼容。

• 重启电脑。

• nvcc 找不到：说明 CUDA 没装好或没加到环境变量。

• 远程桌面有时会导致 CUDA 不可用，建议本地物理机测试。

8. 训练脚本自动用 GPU

只要 torch.cuda.is_available() 为 True，你的训练脚本会自动用 GPU，无需额外修改。