查看cuda版本nvcc -V # 查看 CUDA 编译器版本 nvidia-smi # 查看 GPU 驱动及支持的最高 CUDA 版本旧CUDA卸载Windows彻底卸载 CUDA 与 cuDNN 指南告别版本冲突纯净配置深度学习环境_如何卸载cuda的旧版本-CSDN博客文章浏览阅读644次点赞5次收藏7次。《深度学习环境配置彻底卸载CUDA和cuDNN指南》摘要 本文提供了完整卸载CUDA和cuDNN的详细流程解决深度学习环境配置中的版本冲突问题。操作步骤包括1通过控制面板卸载所有CUDA相关程序但保留显卡驱动2手动清理环境变量中的CUDA路径3删除安装目录残留文件4重启后验证卸载效果。核心要点在于程序卸载环境变量清理文件夹删除三管齐下确保旧版本完全清除。该方法适用于Windows系统能有效避免后续环境配置中的兼容性问题为安装新版本或切换环境做好准备。_如何卸载cuda的旧版本https://blog.csdn.net/weixin_64607985/article/details/149217431#####如卸载cuda需要重启电脑后安装新cudaCUDA安装及环境变量配置windows系统CUDA的详细安装教程_windows安装cuda-CSDN博客文章浏览阅读1.5w次点赞22次收藏90次。本文详细介绍了如何在Windows系统上安装CUDA和cuDNN包括环境检查、下载、安装步骤、验证方法以及配置环境变量和zlib。重点讲解了CUDA的并行计算原理和cuDNN在深度学习中的作用。https://blog.csdn.net/zyq880625/article/details/138086225笔者安装遇到的问题Q1如增加系统环境Path变量报错尝试使用下面工具https://download.csdn.net/download/qq_59729475/91499687https://download.csdn.net/download/qq_59729475/91499687安装anacondaAnaconda的卸载与Miniconda的安装及Pycharm配置指南_conda卸载及miniconda安装-CSDN博客文章浏览阅读1.1k次点赞28次收藏15次。写在最前面因为一些原因需要卸载Anaconda而改用Miniconda需要注意的是在迁移的过程中是不能直接复制envs文件的迁移的话要导出环境依赖文件然后在新环境按照依赖复刻安装。_conda卸载及miniconda安装https://blog.csdn.net/weixin_43895257/article/details/148196143设置镜像源miniconda和pip使用清华镜像源_miniconda清华源-CSDN博客文章浏览阅读5.6k次点赞7次收藏12次。本文介绍了如何从清华大学镜像下载Miniconda配置常用conda命令以使用清华源包括创建、删除环境、管理镜像源以及如何为pip设置清华镜像。还提到清理索引缓存和恢复默认源的方法。https://blog.csdn.net/qq_43973762/article/details/136617723查看已安装虚拟环境conda env list清除虚拟环境conda remove -n env --all默认会安装c盘修改一下虚拟环境安装位置.condarc设置channels: - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud envs_dirs: - D:\minianaconda\anacondaenvs\envs pkgs_dirs: - D:\minianaconda\anacondaenvs\pkgsanaconda修改虚拟环境位置报错解决方案Q1:windows anaconda报错NoWritablePkgsDirError: No writeable pkgs directories configured.解决方法Anaconda 修改环境默认位置以及遇到将安全信息应用到以下对象时发生错误无法枚举容器中的对象访问被拒绝解决_将安全信息应用到对象时发生错误无法枚举-CSDN博客文章浏览阅读3.7k次点赞11次收藏14次。本文指导如何修改Anaconda的.condarc文件将虚拟环境默认存储路径改为D盘同时处理权限问题以解决Windows中访问被拒绝的错误。https://blog.csdn.net/djh20030101/article/details/135498330Q2:遇到将安全信息应用到以下对象时发生错误无法枚举容器中的对象访问被拒绝解决方法https://www.reneelab.com.cn/failed-to-enumerate-objects-in-the-container.htmlhttps://www.reneelab.com.cn/failed-to-enumerate-objects-in-the-container.htmlanaconda创建虚拟环境conda create -n tset python3.10激活虚拟环境conda activate test如需退出虚拟环境conda deactivate以上记录Windows下cuda安装教程更推荐使用Linux/ubuntu跑深度学习项目。torch_cluster、torch_scatter、torch_sparse等本地安装https://pytorch-geometric.com/whl/https://pytorch-geometric.com/whl/IDE1、jupyter参考Linux使用命令后续在补充使用范围租赁GPU2、pycharmpycharm下载地址Other Versions - PyCharmGet past releases and previous versions of PyCharm.https://www.jetbrains.com/pycharm/download/other.html#pycharm配置一下anaconda创建的虚拟环境选择创建的虚拟环境路径3、VscodeRTX5090安装安装cuda12.8安装pytorchhttps://pytorch.org/get-started/previous-versions/https://pytorch.org/get-started/previous-versions/https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.htmlhttps://pytorch-geometric.readthedocs.io/en/latest/notes/installation.htmlhttps://data.pyg.org/whl/torch-2.8.0%2Bcu128.htmlhttps://data.pyg.org/whl/torch-2.8.0%2Bcu128.htmlCUDA12.8版本需要的·pytorch版本大于等于2.8实验python为310Win11安装torch及vison audiopip install https://download.pytorch.org/whl/cu128/torch-2.8.0%2Bcu128-cp310-cp310-win_amd64.whlpip install https://download.pytorch.org/whl/cu128/torchvision/torchvision-0.23.0%2Bcu128-cp310-cp310-win_amd64.whlpip install https://download.pytorch.org/whl/cu128/torchaudio/torchaudio-2.8.0%2Bcu128-cp310-cp310-win_amd64.whllinux:pip install torch2.8.0 torchvision0.23.0 torchaudio2.8.0 --index-url https://download.pytorch.org/whl/cu128测试import torch# 1. 检查版本print(fPyTorch 版本: {torch.__version__})print(fCUDA 版本: {torch.version.cuda})# 2. 检查支持的架构 (关键!)print(f支持的架构: {torch.cuda.get_arch_list()})# 3. 检查 GPU 是否可用print(fGPU 可用: {torch.cuda.is_available()})print(fGPU 名称: {torch.cuda.get_device_name(0)})# 4. 简单计算测试x torch.randn(1000, 1000).cuda()y x xprint(f计算测试通过! 结果形状: {y.shape})
