入门用户配置 PyTorch GPU 环境

0. 检查 GPU 状态（显卡是否激活）

任务管理器-性能-GPU 正确显示型号就是显卡激活

• 版本太旧了

1. 安装anaconda

• 从官网下载安装 Anaconda

• 安装完成后，勾选“添加到环境变量”

• 打开 Anaconda Prompt 测试：输入 conda --version

2. 升级 驱动 ： NVIDIA-SMI 576.88 Driver Version: 576.88 CUDA Version: 12.9

命令行工具检查

nvidia-smi

3. 创建并安装 PyTorch GPU 环境

• chatgpt 建议版本： MX250 最多支持 CUDA 11.x，所以选择 pytorch-cuda=11.8 是最稳妥的兼容版本。

conda create -n torch_env python=3.8 -y
conda activate torch_env
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

4. 验证 GPU 是否成功启用

import torch

print("是否检测到 GPU：", torch.cuda.is_available())

if torch.cuda.is_available():
    print("GPU 名称：", torch.cuda.get_device_name(0))
    print("CUDA 版本（PyTorch 编译用的）：", torch.version.cuda)
    print("当前设备编号：", torch.cuda.current_device())
    print("总显存：", round(torch.cuda.get_device_properties(0).total_memory / 1024**2), "MB")
else:
    print("⚠️ 未检测到 CUDA 支持，请检查驱动或安装版本")

5. 简单脚本测试

import torch
import time

# 在 GPU 上创建大张量
device = torch.device("cuda")
x = torch.rand(10000, 10000, device=device)
y = torch.rand(10000, 10000, device=device)

# 计时矩阵乘法
start = time.time()
z = torch.matmul(x, y)
torch.cuda.synchronize()  # 等待 GPU 完成计算
end = time.time()

print("矩阵乘法完成，耗时：", round(end - start, 3), "秒")
print("结果张量设备：", z.device)