admin 管理员组文章数量: 1184232
目录
1. Visual Studio 2022 版（Community 2022）下载
2. CUDA12.8下载（50系显卡需要12.8+）
3. cudnn8.9.7下载（这个版本是肯定适配的，还有更新的应该也可以我没试过）
4. pytorch2.7.1安装（50系显卡要用pytorch 2.7+版本才适配）
5. 深度学习项目测试
因为可能要使用到python不同的版本，我选择anaconda进行管理python环境，比较方便弹性。我anaconda安装是参考的这篇博客：
|Anaconda安装| Anaconda、pycharm安装及配置虚拟镜像源和Python环境详细教程_anaconda 镜像-CSDN博客https://blog.csdn/qq_58202678/article/details/136829091?sharetype=blog&shareId=136829091&sharerefer=APP&sharesource=linli__&sharefrom=qq
1. Visual Studio 2022 版（Community 2022）下载
下载网址：https://visualstudio.microsoft/zh-hans/vs/older-downloads/
安装：
①工作负载：勾选【使用C++的桌面开发】
②单个组件：勾选【MSVC v143 - VS 2022 C++ x64/x86 生成工具】
③安装位置：我没有修改默认安装位置，因为听说许多朋友改了后面编译会出问题，同时我C盘空间足够，故此不修改。如果想修改到其他盘也可以，也有很多成功的案例
④其他保持默认，点击安装就行了，环境变量会自动配置好
⑤如果磁盘空间紧张，可以只安装必要的组件（我没试过）。若空间充足可按照前面①-④安装：
MSVC v143 - VS 2022 C++ x64/x86 生成工具
Windows 10/11 SDK
C++ CMake工具
测试工具核心功能
2. CUDA12.8下载（50系显卡需要12.8+）
下载网址：https://developer.nvidia/cuda-12-8-0-download-archive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local
安装：
① 双击下载好的安装包准备安装（可能会弹出会产生临时文件，不用管，点击继续）
② 检查系统兼容性：点击【下一步】
③ 许可协议：点击【同意并继续】
④ 选择【自定义安装】：点开Driver components > Display Driver，【查看Display Driver自己的当前版本，若大于等于新版本就将√去掉】，其他保持默认，点击【下一步】
⑤ 选择安装位置：我依旧没有修改默认位置。（但可以修改到其他盘，50系应该已经不存在过去那些因移动安装位置而出现的问题了），点击【下一步】进行安装
⑥ 检查是否安装成功：Win+R打开cmd，输入nvcc -V，能输出下面版本号即安装成功
⑦ CUDA环境变量也是自动配置好的，可以查看一下，实在没有也可以按照下面加上
上面建完后往下滑双击Path，新建下面的两行
3. cudnn8.9.7下载（这个版本是肯定适配的，还有更新的应该也可以我没试过）
下载网址：https://developer.nvidia/rdp/cudnn-archive
这个下载是需要账号的，如果之前注册过就可以直接登录下载，如果没有，就按照提示进行注册登录就可以下载了
配置（这个需要手动配置）：
① 下载完成后解压：解压后把里面第一个文件夹重命名为cudnn
② 将这个cudnn文件夹复制，找到CUDA安装路径，我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8，粘贴到这个根目录下
③ 配置环境变量：双击Path，新建下图两个环境变量
位置分别在（对应你自己的安装位置）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8\cudnn\bin
④ 然后保存编辑，重启一下电脑更新环境变量
4. pytorch2.7.1安装（50系显卡要用pytorch 2.7+版本才适配）
先在anaconda里面新建一个名叫gpu（按照自己喜好来命名）的虚拟环境，指定python版本3.9-3.12，因为我之前习惯用python3.8环境，但是在python3.8环境里面下载是找不到pytorch2.7.1的，python3.8最高适配版本是pytorch 2.4.1，与50系显卡又不适配，所以这里创建python=3.11的虚拟环境，是可以正常下载pytorch2.7.1的
① 创建虚拟环境：
conda create -n gpu python=3.11② 激活虚拟环境：
conda activate gpu③ 安装pytorch2.7.1（在虚拟环境中输入命令从阿里云镜像网站安装torch，会自动安装适配的torchvision和torchaudio，我这里已经下载好了）：
pip install torch==2.7.1 torchvision torchaudio -f https://mirrors.aliyun/pytorch-wheels/cu128/
④ 验证：在虚拟环境中进入python，显示True和CUDA版本号则安装成功
import torch
print(torch.cuda.is_available())
print("CUDA Version:", torch.version.cuda)5. 深度学习项目测试
我用的IDE是PyCharm2025.2.0.1专业版，当然也可以下载社区版或者更低版本。专业版免费使用我参考的这篇博客：https://www.quanxiaoha/pycharm-pojie/pycharm-pojie-2025201.htmlhttps://www.quanxiaoha/pycharm-pojie/pycharm-pojie-2025201.html
① 然后就是在PyCharm里面启用下载了PyTorch的虚拟环境环境：File→Settings→Interpreter→Add Interpreter→Add local Interpreter
② Select existing→Conda
③ 找到conda.exe，选择gpu(已安装PyTorch)
④ 添加成功右下角会显示当前环境
最后试着跑了一下我的模型，超快超爽的，终于不用租服务器了
版权声明：本文标题：Win11 50系显卡 Visual Studio 2022 + CUDA12.8 + cudnn8.9.7 + pytorch2.7.1深度学习基础环境配置 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1765819451a3417780.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论