扩展 - 配置 CUDA 环境总结

1 课程概览

本课总结 CUDA 环境配置的注意事项。配置失败大概率是显卡驱动与 PyTorch 版本不匹配。影响因素包括：Anaconda 版本、Windows 操作系统版本、显卡型号等。建议多试几次，可先使用 CPU 环境运行，等中午人少时再配置。

2 核心概念与定义

显卡驱动：NVIDIA GPU 的驱动程序。
PyTorch 版本：需要与显卡驱动匹配。
沙箱（虚拟环境）：隔离的 Python 环境。
conda remove：删除沙箱的命令。

3 模型与算法详解

配置失败的原因

大概率是显卡驱动与 PyTorch 版本不匹配。

影响因素	说明
Anaconda 版本	如 2023、2024、2025 版本
Windows 操作系统版本	不同版本可能影响
显卡型号	不同型号驱动不同
Python 版本	官方建议 3.10+，但 3.8 也可

配置注意事项

操作步骤简单：建沙箱 → 运行命令
但需自己测试：可能要试多次
可能需要删除沙箱：conda remove -n nlp_base
可换 Python 版本：3.8、3.10、3.11 等
可先用 CPU 环境：等中午人少时再配

不支持的情况

情况	原因
无独显的电脑	硬件问题，玩不了
Mac 英特尔芯片	硬件问题，玩不了

成功标志

只要出现 good 就可以。

不出现错误即可
没出现也没关系，先用 CPU 环境运行

4 代码示例

# 删除沙箱
conda remove -n nlp_base

# 创建沙箱（Python 3.8）
conda create -n nlp_base python=3.8.2

# 创建沙箱（Python 3.10）
conda create -n nlp_base python=3.10

# 激活沙箱
conda activate nlp_base

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

# 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("Python 版本:", __import__('sys').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 名称:", torch.cuda.get_device_name(0))
    print("配置成功！")
else:
    print("CUDA 不可用，使用 CPU 环境")