英译法案例 - 如何配置 CUDA 环境（实操）

1 课程概览

本课实操讲解 CUDA 环境配置。步骤：①查看 CUDA 版本（nvidia-smi）；②访问 PyTorch 官网获取安装命令；③在 Anaconda Prompt 中创建沙箱并安装。建议将驱动升级到最新，直接装最新的 CUDA 版本。

2 核心概念与定义

• Anaconda Prompt：以管理员身份运行，用于创建沙箱和安装包。
• 沙箱（虚拟环境）：隔离的 Python 环境。
• nvidia-smi：查看 NVIDIA GPU 驱动和 CUDA 版本的命令。
• PyTorch 官网：pytorch.org，获取安装命令。

3 模型与算法详解

配置 CUDA 环境的步骤

第一步：查看 CUDA 版本

nvidia-smi

输出右上角显示 CUDA 版本（如 12.x、13.1）。

第二步：访问 PyTorch 官网

• 网址：pytorch.org
• 选择系统：Windows / Mac
• 选择包管理器：pip
• 选择语言：Python
• 选择 CUDA 版本：根据 nvidia-smi 的版本

第三步：复制安装命令

• Windows：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130
• Mac（M 芯片）：pip install torch torchvision torchaudio（默认 package）

第四步：在 Anaconda Prompt 中安装

1. 右键 Anaconda Prompt → 以管理员身份运行
2. 创建沙箱：conda create -n nlp_base python=3.8.2
3. 激活沙箱：conda activate nlp_base
4. 粘贴安装命令并执行

版本选择原则

装的 CUDA 版本不能比驱动版本低。

Mac 本的特殊情况

• Mac 本只有默认 package（无 CUDA）
• 命令：pip install torch torchvision torchaudio
• CUDA 不可用，但可以用 CPU 或 MPS（M 芯片）

4 代码示例

# 1. 查看 CUDA 版本
nvidia-smi

# 2. 创建沙箱（在 Anaconda Prompt 中）
conda create -n nlp_base python=3.8.2

# 3. 激活沙箱
conda activate nlp_base

# 4. 安装 PyTorch（Windows，CUDA 13.0）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu130

# 5. 安装 PyTorch（Mac M 芯片）
pip install torch torchvision torchaudio

# 6. 安装 PyTorch（CPU 版本）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

# 测试 CUDA 是否可用
import torch

print("PyTorch 版本:", torch.__version__)
print("CUDA 是否可用:", torch.cuda.is_available())

if torch.cuda.is_available():
    print("CUDA 版本:", torch.version.cuda)
    print("GPU 数量:", torch.cuda.device_count())
    print("GPU 名称:", torch.cuda.get_device_name(0))
    
    # 测试 GPU 计算
    x = torch.randn(1000, 1000).cuda()
    y = torch.randn(1000, 1000).cuda()
    z = torch.matmul(x, y)
    print("GPU 计算成功，结果形状:", z.shape)
else:
    print("CUDA 不可用，使用 CPU")

5 重难点与易错提醒

• ❗重点：以管理员身份运行 Anaconda Prompt。
• ❗重点：装的 CUDA 版本不能比驱动版本低。
• ⚠️易错：Mac 本只有默认 package，无 CUDA 选项。
• ⚠️易错：驱动版本 11.x 建议更新到最新再装。
• 💡深入理解：最简单的方法是升级驱动到最新，直接装最新的 CUDA。

6 课堂问答精选

Q1：如何配置 CUDA 环境？

A：①查看 CUDA 版本（nvidia-smi）；②访问 pytorch.org 获取安装命令；③以管理员身份运行 Anaconda Prompt；④创建沙箱（conda create -n nlp_base python=3.8.2）；⑤激活沙箱（conda activate nlp_base）；⑥粘贴安装命令并执行。

Q2：如何选择 CUDA 版本？

A：装的 CUDA 版本不能比驱动版本低。例如驱动是 13.1，就装 13.0；驱动是 12.8，就装 12.8；驱动是 11.x，建议更新驱动到最新再装。

Q3：Mac 本如何配置？

A：Mac 本（M 芯片）只有默认 package，无 CUDA 选项。命令：pip install torch torchvision torchaudio。CUDA 不可用，但可以用 CPU 或 MPS。

Q4：如何测试 CUDA 是否可用？

A：运行 torch.cuda.is_available()，返回 True 表示可用。还可以查看 CUDA 版本、GPU 数量、GPU 名称等。

7 本课小结

• 步骤：查看 CUDA → 访问官网 → 复制命令 → 创建沙箱 → 安装。
• 版本选择：装的 CUDA 版本不能比驱动版本低。
• 最简单方法：升级驱动到最新，直接装最新的 CUDA。
• Mac 本：只有默认 package，无 CUDA。
• 测试：torch.cuda.is_available()。

9 延伸思考

• 如何在训练代码中使用 GPU？
• CPU 和 GPU 训练速度差异有多大？