02 GPU深度学习环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda

男娘i 2024-03-25 10:01 22阅读 0赞

**目录**

1. 查看显卡驱动及对应cuda版本关系

1.1 显卡驱动和cuda版本信息查看方法

1.2 根据显卡驱动 和 CUDA版本对应关系选择 CUDA

2. 安装CUDA

2.1下载CUDA

2.2. 安装CUDA

3. 安装cuDANN

4. 选择 CUDA 对应的Pytorch、Pytorch 对应的Python

5.安装Python环境（安装Anaconda 或 Miniconda）

5.1 安裝Anaconda3

5.2 安装Miniconda

6.安装虚拟环境（如只需一个python环境此步可忽略）

6.1打开这个Anaconda Prompt应用

6.2 创建虚拟环境

6.3 激活环境

6.4 配置清华镜像源（此步可省略）

7、安装pytorch

7.2 进入官网获取安装命令

7.2 进入虚拟环境，执行安装

8、验证安装是否成功

9、环境迁移（了解）

9.1 查看项目所安装的第三方库

9.2 生成依赖环境文件

9.3 环境迁移

--------------------

此案例是以win11环境的gpu即nvidia为案例，进行深度学习环境搭建，选择工具及版本分别为CUDA 11.7、Pytouch1.12.1、Miniconda3\_py38(含Python3.8)

### 1. 查看显卡驱动及对应cuda版本关系 ###

#### **1.1 显卡驱动和cuda版本信息查看方法** ####

在命令行中输入【**nvidia-smi】**可以当前显卡驱动版本和cuda版本。

![c0d7ecec5fc7432ab07729be54d12717.png][]

根据显示，显卡驱动版本为：Driver Version: 527.47，CUDA 的版本为：CUDA Version 12.0。

此处我们可以根据下面的显卡驱动和cuda版本对应关系得知，Driver Version: 527.47 >516.31，所以可以使用 CUDA Version 11.7

#### **1.2 根据显卡驱动 和 CUDA版本对应关系选择 CUDA** ####

上面显示显卡驱动版本为：**Driver Version: 527.47**，CUDA 的版本为：CUDA Version 12.0，我们也可以根据显卡版本选择其他版本的 CUDA，因为 **Driver Version: 527.47 >=** 522.06，所以向下兼容，此案例以 CUDA 11.7 版本为安装案例。

<table> 
 <thead> 
 <tr> 
 <th style="text-align:center;">CUDA工具版本</th> 
 <th style="text-align:center;">Linux驱动版本(x86/64)</th> 
 <th style="text-align:center;">Windows驱动版本(x86/64)</th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td> CUDA 11.8 GA </td> 
 <td> &gt;=520.61.05 </td> 
 <td> &gt;=522.06 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.7 更新1 </td> 
 <td> &gt;=515.48.07 </td> 
 <td> &gt;=516.31 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.7 GA </td> 
 <td> &gt;=515.43.04 </td> 
 <td> &gt;=516.01 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.6 更新2 </td> 
 <td> &gt;=510.47.03 </td> 
 <td> &gt;=511.65 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.6 更新1 </td> 
 <td> &gt;=510.47.03 </td> 
 <td> &gt;=511.65 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.6 GA </td> 
 <td> &gt;=510.39.01 </td> 
 <td> &gt;=511.23 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.5 更新2 </td> 
 <td> &gt;=495.29.05 </td> 
 <td> &gt;=496.13 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.5 更新1 </td> 
 <td> &gt;=495.29.05 </td> 
 <td> &gt;=496.13 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.5 GA </td> 
 <td> &gt;=495.29.05 </td> 
 <td> &gt;=496.04 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.4 更新4 </td> 
 <td> &gt;=470.82.01 </td> 
 <td> &gt;=472.50 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.4 更新3 </td> 
 <td> &gt;=470.82.01 </td> 
 <td> &gt;=472.50 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.4 更新2 </td> 
 <td> &gt;=470.57.02 </td> 
 <td> &gt;=471.41 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.4 更新1 </td> 
 <td> &gt;=470.57.02 </td> 
 <td> &gt;=471.41 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.4.0 GA </td> 
 <td> &gt;=470.42.01 </td> 
 <td> &gt;=471.11 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.3.1 更新1 </td> 
 <td> &gt;=465.19.01 </td> 
 <td> &gt;=465.89 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.3.0 GA </td> 
 <td> &gt;=465.19.01 </td> 
 <td> &gt;=465.89 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.2.2 更新2 </td> 
 <td> &gt;=460.32.03 </td> 
 <td> &gt;=461.33 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.2.1 更新1 </td> 
 <td> &gt;=460.32.03 </td> 
 <td> &gt;=461.09 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.2.0 GA </td> 
 <td> &gt;=460.27.03 </td> 
 <td> &gt;=460.82 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.1.1 更新1 </td> 
 <td> &gt;=455.32 </td> 
 <td> &gt;=456.81 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.1 GA </td> 
 <td> &gt;=455.23 </td> 
 <td> &gt;=456.38 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.0.3 更新1 </td> 
 <td> &gt;= 450.51.06 </td> 
 <td> &gt;= 451.82 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.0.2 GA </td> 
 <td> &gt;= 450.51.05 </td> 
 <td> &gt;= 451.48 </td> 
 </tr> 
 <tr> 
 <td> CUDA 11.0.1 RC </td> 
 <td> &gt;= 450.36.06 </td> 
 <td> &gt;= 451.22 </td> 
 </tr> 
 <tr> 
 <td> CUDA 10.2.89 </td> 
 <td> &gt;= 440.33 </td> 
 <td> &gt;= 441.22 </td> 
 </tr> 
 <tr> 
 <td> CUDA 10.1 (10.1.105发行版与更新) </td> 
 <td> &gt;= 418.39 </td> 
 <td> &gt;= 418.96 </td> 
 </tr> 
 <tr> 
 <td> CUDA 10.0.130 </td> 
 <td> &gt;= 410.48 </td> 
 <td> &gt;= 411.31 </td> 
 </tr> 
 <tr> 
 <td> CUDA 9.2 (9.2.148 更新1) </td> 
 <td> &gt;= 396.37 </td> 
 <td> &gt;= 398.26 </td> 
 </tr> 
 <tr> 
 <td> CUDA 9.2 (9.2.88) </td> 
 <td> &gt;= 396.26 </td> 
 <td> &gt;= 397.44 </td> 
 </tr> 
 <tr> 
 <td> CUDA 9.1 (9.1.85) </td> 
 <td> &gt;= 390.46 </td> 
 <td> &gt;= 391.29 </td> 
 </tr> 
 <tr> 
 <td> CUDA 9.0 (9.0.76) </td> 
 <td> &gt;= 384.81 </td> 
 <td> &gt;= 385.54 </td> 
 </tr> 
 <tr> 
 <td> CUDA 8.0 (8.0.61 GA2) </td> 
 <td> &gt;= 375.26 </td> 
 <td> &gt;= 376.51 </td> 
 </tr> 
 <tr> 
 <td> CUDA 8.0 (8.0.44) </td> 
 <td> &gt;= 367.48 </td> 
 <td> &gt;= 369.30 </td> 
 </tr> 
 <tr> 
 <td> CUDA 7.5 (7.5.16) </td> 
 <td> &gt;= 352.31 </td> 
 <td> &gt;= 353.66 </td> 
 </tr> 
 <tr> 
 <td> CUDA 7.0 (7.0.28) </td> 
 <td> &gt;= 346.46 </td> 
 <td> &gt;= 347.62 </td> 
 </tr> 
 </tbody> 
</table>

### 2. 安装CUDA ###

#### 2.1下载CUDA ####

*  下载 CUDA 11,.7 版本
 *  下载地址 ：[https://developer.nvidia.com/cuda-toolkit-archive][https_developer.nvidia.com_cuda-toolkit-archive]

![eb243697b18340a8bd0f89eeee144e08.png][]

![6fc1a2727aa94f5e9ecdbbb38d2c376d.png][]

![f20ae52ecf994a1ca6940b0bbb73cebd.png][]

![060e851fac1c4b49bbabec3e7e971d72.png][]

#### 2.2. 安装CUDA ####

*  选择程序安装

第一个路径默认（后面系统会自动删掉），选择精简，这里建议默认安装，也可手动安装，但是要记得自己安装的位置，因为后面需要配置系统环境变量

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oB3QfHVD-1665490107623)(C:\\Users\\Administrator\\AppData\\Roaming\\Typora\\typora-user-images\\image-20221006162051844.png)\]][img-oB3QfHVD-1665490107623_C_Users_Administrator_AppData_Roaming_Typora_typora-user-images_image-20221006162051844.png]

*  配置环境变量

安装完成后，就需要我们配置Cuda的环境变量了，我们在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA\_PATH和CUDA\_PATH\_V9\_0两个环境变量，安装好后，自动默认帮我们设置好了这2个环境变量（**版本号对应用户所下载的版本号**）：

![d2ed5a4a33fc48879f7c33f2d2a0c366.png][]

安装完毕在命令行输入 `nvcc --version`，可以看到我安装的是11.7

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hxJP9Gyg-1665490107623)(C:\\Users\\Administrator\\AppData\\Roaming\\Typora\\typora-user-images\\image-20221006162540151.png)\]][img-hxJP9Gyg-1665490107623_C_Users_Administrator_AppData_Roaming_Typora_typora-user-images_image-20221006162540151.png]

### **3. 安装cuDANN** ###

*  下载 CUDA 11,.7 版本 对应的 **cuDANN**
 *  下载官网： [https://developer.nvidia.com/rdp/cudnn-archive][https_developer.nvidia.com_rdp_cudnn-archive]

![c55f8228d2f9426ba18f8c9fce30f345.png][]

![3f4d9b7d4cfe4b5abf95569bbe80d055.png][]

解压cuDANN的压缩包发现里面会有三个文件夹 bin,include,lib，将它们复制到cuda安装下面C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.17，这是默认的路径

![在这里插入图片描述][4c509189bc264a1193ec57962228ca1a.png]

在路径C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.7\\extras\\demo\_suite中，用cmd运行bandwidthTest.exe和deviceQuery.exe，如果得到两个PASS就证明成功了，如图。

![d13984727c0b41228ca026b4a23bd2a0.png][]

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NfmKHKi5-1665490107626)(C:\\Users\\Administrator\\AppData\\Roaming\\Typora\\typora-user-images\\image-20221006163113441.png)\]][img-NfmKHKi5-1665490107626_C_Users_Administrator_AppData_Roaming_Typora_typora-user-images_image-20221006163113441.png]

### 4. 选择 CUDA 对应的Pytorch、Pytorch 对应的Python ###

*  查看对应版本关系详细见：[https://blog.csdn.net/qq\_41946216/article/details/129476095?spm=1001.2014.3001.5501][https_blog.csdn.net_qq_41946216_article_details_129476095_spm_1001.2014.3001.5501]

根据 CUDA 11.7 版本查看 Pytorch的对应版本为 12.1.1，再根据 Pytorch12.1.1版本查看Python对应的版本为 **>=3.7 到 <=3.10 ，此处选择Python3.8****案例。**

### 5.安装Python环境（安装Anaconda 或 Miniconda） ###

因安装 Anaconda 或 Miniconda可以使用多个Python版本的环境，此处安装Miniconda为案例，版本为Miniconda3-py38 4.9.2-Windows-x86 64.exe，**其中Python版本为3.8**。

#### 5.1 安裝Anaconda3 ####

*  Anaconda3清华大学开源镜像：[https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/][https_mirrors.tuna.tsinghua.edu.cn_anaconda_archive]
 *  安装过程见：[https://blog.csdn.net/qq\_41946216/article/details/129478882?spm=1001.2014.3001.5502][https_blog.csdn.net_qq_41946216_article_details_129478882_spm_1001.2014.3001.5502]

#### 5.2 安装Miniconda ####

*  Miniconda清华大学开源镜像：[https://mirrors.bfsu.edu.cn/anaconda/miniconda/][https_mirrors.bfsu.edu.cn_anaconda_miniconda]
 *  安装过程见：[https://blog.csdn.net/qq\_41946216/article/details/129481760?spm=1001.2014.3001.5501][https_blog.csdn.net_qq_41946216_article_details_129481760_spm_1001.2014.3001.5501]

### 6.安装虚拟环境（如只需一个python环境此步可忽略） ###

#### **6.1打开这个Anaconda Prompt应用** ####

进入之后是以（base）开头

![c91a5f561b6a4eda8798d7571567290f.png][]

#### **6.2 创建虚拟环境** ####

执行：conda create -n pytorch python=3.8.5

### ![a328cb5854ef4ebc8f234c0fd43316b7.png][] ###

![92e7bd1a14a24518a0b0c580c28c281f.png][]

#### **6.3 激活环境** ####

执行：conda activate pytorch

![dbf542f80fc94313ad9476bcd13172cd.png][]

#### 6.4 配置清华镜像源（此步可省略） ####

此处详细见**[Miniconda的下载安装和配置详解--配置镜像步骤][https_blog.csdn.net_qq_41946216_article_details_129481760_spm_1001.2014.3001.5501]**

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --set show_channel_urls yes
    conda config --set ssl_verify false

### 7、安装pytorch ###

#### 7.2 进入官网获取安装命令 ####

*  官网：[https://pytorch.org/][https_pytorch.org]

![40cf4b23fb5d4c9b9591e92fb98e4d7e.png][]

#### 7.2 进入虚拟环境，执行安装 ####

\# conda active envName，如：conda active pytorch

如果不使用虚拟环境安装则此步骤可以省略

**安装方式一：**

*  获取对应pytorch安装命令

![40cf4b23fb5d4c9b9591e92fb98e4d7e.png][]

*  打开 Anaconda Prompt，执行 **`conda activate pytorch`**进入虚拟环境pytorch

![da3f4ac2c4144f3eae5e49bc7d633c9f.png][]

*  执行命令：conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia ，执行**此命令是下载最新版本 pytorch torchvision torchaudio**
 *  注意：如果使用配置的清华镜像源，则需去掉 -c pytorch 和 -c nvidia ，否则会强制从官网下载会比较慢

![afc2e496f10e4ab6b8e3365e5f9a759f.png][]

**安装方式二：**

*  根据需要按版本选择（pytorch版本见上面 4、选择 CUDA 对应的Pytorch、Pytorch 对应的Python）

![bef0d7cb9c8148f09685fe92605d0e4f.png][]

*  打开 Anaconda Prompt，执行 **`conda activate pytorch`**进入虚拟环境pytorch

![da3f4ac2c4144f3eae5e49bc7d633c9f.png][]

*  执行命令：conda install pytorch==**1.13.1** torchvision==**0.14.1** torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
 *  注意：如果使用配置的清华镜像源，则需去掉 -c pytorch 和 -c nvidia ，否则会强制从官网下载会比较慢

![7892ee6dcdb84f0bb148e69f69a1f753.png][]

**安装方式三：**

*  手动下载 pytorch、torchvision 、 torchaudio
 *  下载网址：[https://download.pytorch.org/whl/torch\_stable.html][https_download.pytorch.org_whl_torch_stable.html]

**01选择pytorch**

![388ac5934e7b4857babe31161e1f90bc.png][]

**02选择torchvision**

![093c9a377b734e689257f037dbd4c7eb.png][]

**03选择torchvision**

![fbbe5562558543b4969ecdcccaf49c06.png][]

其中 cu117 代表 cuda11.7，cp38 表示 python版本为 3.8

*  执行命令安装：

*  打开 Anaconda Prompt，执行 **`conda activate pytorch`**进入虚拟环境pytorch

![da3f4ac2c4144f3eae5e49bc7d633c9f.png][]

*  执行命令安装

![7581fd594f1943219ce8c038d2954643.png][]

其他两个安装相同方式安装。

### 8、验证安装是否成功 ###

> 依次输入：
> 
> python
> 
> import torch
> 
> print(torch.\_\_version\_\_)
> 
> print(torch.cuda.is\_available())

![ab9e527e1a3748749d587926cb04b6cd.png][]

当显示为True时，表示安装pytorch成功。

### 9、环境迁移（了解） ###

开发新项目三时，会用到多python独立环境，不同环境下安装相同的模块的情况，无需重新下载安装，利用pip freeze命令对之前安装好的环境进行迁移。

#### 9.1 查看项目所安装的第三方库 ####

进入安装目录，如虚拟环境 **`conda activate pytorch，`**输入pip freeze ，可查看项目所安装的所有第三方库。

![4cd1cadde01d47e58730e91fab247595.png][]

#### 9.2 生成依赖环境文件 ####

输入pip freeze > requirements.txt，可在工程目录下生成requirements.txt文件，里面记录了该工程的所有依赖包以及对应的版本号。

![138994a8741049caa819ca7321bf7394.png][]

![76981fdec72340ef88cb5fc72446be03.png][]

#### 9.3 环境迁移 ####

在新环境进行环境迁移，执行 ：

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/，即可自动安装所有依赖 (requirements.txt文件必要时需要带上路径)

[c0d7ecec5fc7432ab07729be54d12717.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/90bdb08ad03f4de4863ff2015dd6a847.png
[https_developer.nvidia.com_cuda-toolkit-archive]: https://developer.nvidia.com/cuda-toolkit-archive
[eb243697b18340a8bd0f89eeee144e08.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/1a69e42d583e435ba760f9c3f0b2a4c4.png
[6fc1a2727aa94f5e9ecdbbb38d2c376d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/978d1202f6a840b9a639f98ab41e4dfb.png
[f20ae52ecf994a1ca6940b0bbb73cebd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/9827be80fe6c4309bd1cc4c7a88a010d.png
[060e851fac1c4b49bbabec3e7e971d72.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/b394e8c2c5c1438a9e4b6b6311a763c8.png
[img-oB3QfHVD-1665490107623_C_Users_Administrator_AppData_Roaming_Typora_typora-user-images_image-20221006162051844.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/819772dbf09441cf90852da6713eab3b.png
[d2ed5a4a33fc48879f7c33f2d2a0c366.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/77f1d64db61d4ba0a81d023dbad1f6aa.png
[img-hxJP9Gyg-1665490107623_C_Users_Administrator_AppData_Roaming_Typora_typora-user-images_image-20221006162540151.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/a4be8b79ff2c4d598b2898de5e30eb55.png
[https_developer.nvidia.com_rdp_cudnn-archive]: https://developer.nvidia.com/rdp/cudnn-archive
[c55f8228d2f9426ba18f8c9fce30f345.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/783d78efdd5446478e796eee71c8d8a6.png
[3f4d9b7d4cfe4b5abf95569bbe80d055.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/06030b1b7e1347c3a75950fa889d49b0.png
[4c509189bc264a1193ec57962228ca1a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/2431fe77fb6044108215c2a06a7a29c3.png
[d13984727c0b41228ca026b4a23bd2a0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/fdde35c3d8104b8e8617b726198aa6b7.png
[img-NfmKHKi5-1665490107626_C_Users_Administrator_AppData_Roaming_Typora_typora-user-images_image-20221006163113441.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/95848a4dc7df49aab23469c07d0d8255.png
[https_blog.csdn.net_qq_41946216_article_details_129476095_spm_1001.2014.3001.5501]: https://blog.csdn.net/qq_41946216/article/details/129476095?spm=1001.2014.3001.5501
[https_mirrors.tuna.tsinghua.edu.cn_anaconda_archive]: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
[https_blog.csdn.net_qq_41946216_article_details_129478882_spm_1001.2014.3001.5502]: https://blog.csdn.net/qq_41946216/article/details/129478882?spm=1001.2014.3001.5502
[https_mirrors.bfsu.edu.cn_anaconda_miniconda]: https://mirrors.bfsu.edu.cn/anaconda/miniconda/
[https_blog.csdn.net_qq_41946216_article_details_129481760_spm_1001.2014.3001.5501]: https://blog.csdn.net/qq_41946216/article/details/129481760?spm=1001.2014.3001.5501
[c91a5f561b6a4eda8798d7571567290f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/a17bc3d94cad4e90af57fcb26a38de6a.png
[a328cb5854ef4ebc8f234c0fd43316b7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/d16262f23c214e3d96df9637a10b8dd6.png
[92e7bd1a14a24518a0b0c580c28c281f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/8cb7448f66704c9b89c771eb32bffcdf.png
[dbf542f80fc94313ad9476bcd13172cd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/0e3da514aa2b413890780cb2d1ad9334.png
[https_pytorch.org]: https://pytorch.org/
[40cf4b23fb5d4c9b9591e92fb98e4d7e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/1bbf4483ebd34674a146766af2b1117f.png
[da3f4ac2c4144f3eae5e49bc7d633c9f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/4006e3aa8abc474cacdc12419e94ad7d.png
[afc2e496f10e4ab6b8e3365e5f9a759f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/9a58fa72ee044245b3e1016c79ed7c72.png
[bef0d7cb9c8148f09685fe92605d0e4f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/646dc9328cf243058001ed90d8ae7b20.png
[7892ee6dcdb84f0bb148e69f69a1f753.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/ecec8f7792d24282ae2d3a176f51714a.png
[https_download.pytorch.org_whl_torch_stable.html]: https://download.pytorch.org/whl/torch_stable.html
[388ac5934e7b4857babe31161e1f90bc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/8f9e066de29c4f8480f993728c192dc1.png
[093c9a377b734e689257f037dbd4c7eb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/b3effb3ac4a14d38afd09040e286929f.png
[fbbe5562558543b4969ecdcccaf49c06.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/3f89318157ab446386d63ec9c17019cf.png
[7581fd594f1943219ce8c038d2954643.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/995351879d204567a75d8d0ecf436176.png
[ab9e527e1a3748749d587926cb04b6cd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/c16449d51d6245f5b636968fb03d5d42.png
[4cd1cadde01d47e58730e91fab247595.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/bab6c38fb06f4293aead1efaae841e6e.png
[138994a8741049caa819ca7321bf7394.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/d4685a09195d417cabf63ac5a75ac6b2.png
[76981fdec72340ef88cb5fc72446be03.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/25/f9b96ff1018843319a27aa1be1936763.png