模型降阶及融合仿真工具 GPU 环境配置指南

一、安装前准备

1.1 安装组件清单

完成 GPU 环境配置，需要按顺序安装以下 4 个组件：

1.2 版本选择（根据 Sysplorer 版本）

1.3 安装包下载清单

Python 3.11 + CUDA 12.4 方案（Sysplorer 2026）：

• CUDA Toolkit 12.4：https://developer.nvidia.com/cuda-toolkit-archive
• cuDNN 9.x：https://developer.nvidia.com/rdp/cudnn-download
• PyTorch 2.4.0：pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu124

Python 3.7 + CUDA 11.6 方案（Sysplorer 2025 及以下）：

• CUDA Toolkit 11.6：https://developer.nvidia.com/cuda-toolkit-archive
• cuDNN 8.4：https://developer.nvidia.com/rdp/cudnn-download
• PyTorch 1.12.1：pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116

二、安装步骤

2.1 第一步：检查并更新 NVIDIA 显卡驱动

步骤 1：检查当前驱动版本

打开 PowerShell，输入：

nvidia-smi

输出示例：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 551.52       Driver Version: 551.52       CUDA Version: 12.4     |
+-------------------------------+----------------------+----------------------+

关键信息：

• Driver Version: 551.52 → 当前驱动版本
• CUDA Version: 12.4 → 该驱动支持的最高 CUDA 版本

步骤 2：判断是否需要更新

根据你选择的方案，检查驱动版本是否满足最低要求：

如果当前驱动版本 低于 上述要求，需要更新驱动。

步骤 3：更新驱动（如需要）

1. 访问 NVIDIA 驱动下载页面：https://www.nvidia.cn/Download/index.aspx
2. 选择你的显卡型号
3. 下载并安装最新驱动
4. 重启电脑

2.2 第二步：安装 CUDA Toolkit

步骤 1：下载 CUDA Toolkit

1. 访问 CUDA Toolkit 下载页面：

   复制

   https://developer.nvidia.com/cuda-toolkit-archive
   

2. 选择你需要的版本：

   • Sysplorer 2026 → 选择 CUDA 12.4
   • Sysplorer 2025 及以下 → 选择 CUDA 11.6

3. 选择操作系统：

   • Operating System: Windows
   • Architecture: x86_64
   • Distribution: 10 或 11
   • Installer Type: exe (local)（推荐）

4. 点击下载，保存安装文件（约 2-4 GB）

步骤 2：安装 CUDA Toolkit

1. 双击运行下载的 .exe 安装文件
2. 选择 自定义安装
3. 安装路径保持默认：
   复制

   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X
   

4. 勾选以下组件：
   • ✓ CUDA
   • ✓ Driver components（如果提示）
5. 点击 "Agree and Continue"，等待安装完成（约 5-10 分钟）
6. 安装完成后重启电脑

步骤 3：验证安装

打开 PowerShell，输入：

nvcc --version

成功输出示例：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Cuda compilation tools, release 12.4, V12.4.99

如果显示版本信息，说明 CUDA 安装成功。

2.3 第三步：安装 cuDNN

步骤 1：下载 cuDNN

1. 访问 cuDNN 下载页面：

   复制

   https://developer.nvidia.com/rdp/cudnn-download
   

2. 登录 NVIDIA 账号（没有账号需免费注册）

3. 选择与 CUDA 版本匹配的 cuDNN：

   • CUDA 12.4 → 下载 cuDNN 9.x
   • CUDA 11.6 → 下载 cuDNN 8.4.x

4. 下载 Windows 版本：

   • Download cuDNN for Windows (x86_64)
   • 选择 Installer (exe)

步骤 2：安装 cuDNN

1. 双击运行下载的 .exe 安装文件
2. 选择 自定义安装
3. 安装路径选择 CUDA 的安装目录：
   复制

   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X
   

   （安装程序会自动检测 CUDA 路径）
4. 完成安装

步骤 3：验证安装

方法一：检查文件是否存在

打开 PowerShell，输入：

dir "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include\cudnn.h"
dir "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin\cudnn64_*.dll"

如果文件存在，说明 cuDNN 已正确安装。

方法二：在 PyTorch 中验证（安装 PyTorch 后）

import torch
print(f"cuDNN enabled: {torch.backends.cudnn.is_available()}")
print(f"cuDNN version: {torch.backends.cudnn.version()}")

成功输出：

cuDNN enabled: True
cuDNN version: 90100

2.4 第四步：安装 PyTorch（GPU 版本）

步骤 1：确认 Python 版本

确认 Python 版本：

• Sysplorer 2026 → 对应 Python 3.11
• Sysplorer 2025 → 对应 Python 3.7

如果 Python 解释器在某个软件的安装路径下，使用完整路径，可验证python版本：

复制

"C:\完整\路径\python.exe" --version

步骤 2：安装 PyTorch

根据你的 Python 版本，选择对应的安装方式：

场景一：使用 Sysplorer 2026（Python 3.11 + CUDA 12.4）

方式 1：命令行安装（推荐，需要网络）

打开 cmd，切换至 Python 所在目录，切换至 Python 所在目录，输入：

python -m pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu124

例如：

方式 2：使用 whl 文件安装（离线安装，无需网络）

步骤 1：下载 whl 文件

1. 访问 PyTorch 下载页面：

   复制

   https://download.pytorch.org/whl/cu124/torch
   https://download.pytorch.org/whl/cu124/torchvision
   https://download.pytorch.org/whl/cu124/torchaudio
   

2. 找到并下载以下 3 个文件（cu124 表示 CUDA 12.4）：

   • torch-2.4.0+cu124-cp311-cp311-win_amd64.whl
   • torchvision-0.19.0+cu124-cp311-cp311-win_amd64.whl
   • torchaudio-2.4.0+cu124-cp311-cp311-win_amd64.whl

注意：cp311 表示 Python 3.11，win_amd64 表示 Windows 64 位系统

步骤 2：安装 whl 文件

将下载的 whl 文件放到同一目录，打开 cmd，切换至 Python 所在目录，输入：

python -m pip install torch-2.4.0+cu124-cp311-cp311-win_amd64.whl torchvision-0.19.0+cu124-cp311-cp311-win_amd64.whl torchaudio-2.4.0+cu124-cp311-cp311-win_amd64.whl  

注意事项：

• cmd 中输入为 whl 文件的完整路径

例如：

场景二：使用 Sysplorer 2025 及以下（Python 3.7 + CUDA 11.6）

方式 1：命令行安装（推荐，需要网络）

打开 cmd，切换至 Python 所在目录，输入：

python -m pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116

例如：

方式 2：使用 whl 文件安装（离线安装，无需网络）

步骤 1：下载 whl 文件

1. 访问 PyTorch 历史版本下载页面：

   复制

   https://download.pytorch.org/whl/cu116/torch
   https://download.pytorch.org/whl/cu116/torchvision
   https://download.pytorch.org/whl/cu116/torchaudio
   

2. 找到并下载以下 3 个文件：

   • torch-1.12.1+cu116-cp37-cp37m-win_amd64.whl
   • torchvision-0.13.1+cu116-cp37-cp37m-win_amd64.whl
   • torchaudio-0.12.1+cu116-cp37-cp37m-win_amd64.whl

注意：cp37 表示 Python 3.7，win_amd64 表示 Windows 64 位系统

步骤 2：安装 whl 文件

将下载的 whl 文件放到同一目录，打开 cmd，切换至 Python 所在目录，输入：

python -m pip install torch-1.12.1+cu116-cp37-cp37m-win_amd64.whl torchvision-0.13.1+cu116-cp37-cp37m-win_amd64.whl torchaudio-0.12.1+cu116-cp37-cp37m-win_amd64.whl        

例如：

通用注意事项：

• 使用 python -m pip 确保安装到正确的 Python 环境
• 命令行安装需要稳定的网络连接，如果下载速度慢，可使用国内镜像源
• whl 文件安装适合离线环境或网络不好的情况

步骤 3：验证安装

打开 PowerShell，输入：

python -c "import torch; print(f'CUDA available: {torch.cuda.is_available()}')"

成功输出：

CUDA available: True

如果返回 False，请检查：

1. CUDA 是否正确安装
2. 是否安装了 GPU 版本的 PyTorch（不是 CPU 版本）

三、完整验证

运行以下 Python 代码，验证整个 GPU 环境是否正常：

import torch

# 1. 检查 CUDA 是否可用
print(f"CUDA available: {torch.cuda.is_available()}")

# 2. 检查 CUDA 版本
if torch.cuda.is_available():
    print(f"CUDA version: {torch.version.cuda}")
    print(f"GPU: {torch.cuda.get_device_name(0)}")
    print(f"cuDNN enabled: {torch.backends.cudnn.is_available()}")
    print(f"cuDNN version: {torch.backends.cudnn.version()}")

# 3. 简单 GPU 计算测试
if torch.cuda.is_available():
    device = torch.device('cuda')
    a = torch.randn(1000, 1000, device=device)
    b = torch.randn(1000, 1000, device=device)
    c = torch.matmul(a, b)
    print(f"GPU 计算测试通过！结果形状：{c.shape}")

完整成功输出示例：

CUDA available: True
CUDA version: 12.4
GPU: NVIDIA GeForce RTX 3060
cuDNN enabled: True
cuDNN version: 90100
GPU 计算测试通过！结果形状：torch.Size([1000, 1000])

四、常见问题

Q1: nvidia-smi 无法运行

解决： 显卡驱动未安装或未正确安装，重新安装 NVIDIA 驱动。

Q2: nvcc --version 无法运行

解决： CUDA 环境变量未配置，重启电脑或手动添加环境变量：

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4
Path = %CUDA_PATH%\bin

Q3: torch.cuda.is_available() 返回 False

解决：

1. 确认安装的是 GPU 版本 PyTorch（查看版本号是否包含 +cu124 或 +cu116）
2. 重新安装 PyTorch：
   复制

   pip uninstall torch torchvision torchaudio
   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
   

Q4: 安装时提示版本不兼容

解决： 严格按照本文 1.2 节的版本组合安装，不要混用不同版本。

五、快速命令参考

# 检查驱动版本
nvidia-smi

# 检查 CUDA 版本
nvcc --version

# 检查 PyTorch 版本
python -c "import torch; print(torch.__version__)"

# 检查 GPU 是否可用
python -c "import torch; print(torch.cuda.is_available())"

# 查看 cuDNN 版本
python -c "import torch; print(torch.backends.cudnn.version())"

六、下载链接汇总

按照以上步骤操作，即可完成 GPU 环境的完整配置。