Anaconda配置虚拟环境、安装pytorch、cuda笔记

打开Anaconda Prompt命令行创建虚拟环境命令如下：查看已经创建的所有虚拟环境：conda env list创建新虚拟环境： conda create -n test python=3.7 #-n 后面加虚拟环境名称，指定python的版本启动虚拟环境：conda activate test此时，虚拟环境已经创建完成，接下来在虚拟环境中安装pytorch。！！！pytorch安装很容易出

FAIRY TAIL――???

1869人浏览 · 2023-04-13 19:08:53

FAIRY TAIL――??? · 2023-04-13 19:08:53 发布

一、Anaconda配置虚拟环境

打开Anaconda Prompt命令行

创建虚拟环境命令如下：

查看已经创建的所有虚拟环境：conda env list

创建新虚拟环境： conda create -n test python=3.7 #-n 后面加虚拟环境名称，指定python的版本

启动虚拟环境：conda activate test

此时，虚拟环境已经创建完成，接下来在虚拟环境中安装pytorch。

！！！pytorch安装很容易出错，要与cuda、cudnn版本对应！！！

二、安装pytorch、CUDA、cudnn

1.先查看本机Nvidia适用的CUDA版本

打开本机命令行cmd，输入命令：nvidia-smi

红框说明本机最高适用的CUDA版本为11.6，接下来开始安装。

2.安装pytorch

进入pytorch官网，默认是2.0版本的，不要选。

点击下面的其他版本，因为本机最高支持CUDA11.6，所以小于11.6即可。

复制CUDA11.6这行命令，粘贴到Anaconda Prompt刚才的命令行后

安装完成后，验证pytorch是否安装成功。

命令如下：

python

import torch

print(torch.__version__)

验证CUDA是否安装成功：print(torch.cuda.is_available())

3.安装CUDA

进入CUDA官网：CUDA Toolkit 12.2 Update 1 Downloads | NVIDIA Developer

安装完成后，打开cmd，输入nvcc -V查看CUDA版本号：

至此，虚拟环境配置、pytorch、cuda安装完成。

FlagOS智算系统软件栈

欢迎来到FlagOS开发社区，这里是一个汇聚了AI开发者、数据科学家、机器学习爱好者以及业界专家的活力平台。我们致力于成为业内领先的Triton技术交流与应用分享的殿堂，为推动人工智能技术的普及与深化应用贡献力量。

更多推荐

不可不知小技巧｜CPP Wrapper 完全指南：让你的 Triton 算子性能再提升一步

通过本文的探讨，我们深入了解了在处理计算量很小的算子时，如何通过 C++ wrapper 来降低 Wrapper+JIT runtime 的开销。通过 C++ wrapper，我们可以直接在 C++ 层面进行类型管理和内存分配，从而避免 Python 调用带来的额外开销。实验数据也证明了这种方法的有效性，性能提升显著。对于大模型推理、端侧部署、高频小算子调用等场景，C++ Wrapper 能让 T

FlagOS智算系统软件栈

10芯齐发：众智FlagOS完成DeepSeek-V4多芯适配，清微智能与曦望实现284B模型版本的适配开源

在FlagOS的统一算子库FlagGems、统一编译器FlagTree及基于FlagScale的多芯片适配支持下，海光、沐曦、华为、摩尔线程（FP8）、昆仑芯、平头哥、天数、英伟达（FP8）、清微、曦望等10款芯片，已经完成 DeepSeek-V4系列模型的跨芯适配及验证。同时，基于 FlagRelease 直接提供了多芯片版本的 DeepSeek-V4-FlagOS 模型版本，标准化 Docke

FlagOS智算系统软件栈

大模型新拐点：FlagOS+Engram 开启算存协同新时代

本文首先介绍 Engram 的核心思想，然后阐述基于 FlagOS 系统软件栈中的训练插件完成的 Engram 架构全链路复现。在此基础上，重点展示 FlagOS 针对 Engram 进行的三大工程优化。实验量化结果表明，FlagOS 对 Engram 的优化在保持额外负载为零的前提下，使吞吐最高提升近 150%。