ubuntu anaconda配置pytorch环境

如何在 Ubuntu 上通过 Anaconda 配置 PyTorch 环境
下载并安装 Anaconda
为了开始配置环境，在官方网址下载适用于 Linux 的 Anaconda 安装脚本[^1]。对于较新的 Ubuntu 版本，可以考虑使用更新的 Anaconda 发布版本，例如 Anaconda3-2023.03-Linux-x86_64.sh 文件[^2]。
wget https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh
登录后复制
接着，执行该 Shell 脚本来完成 Anaconda 的安装：
bash Anaconda3-2023.03-Linux-x86_64.sh
登录后复制
按照提示操作直到安装结束，并重启终端使更改生效[^3]。
创建 Python 虚拟环境
建议为不同的项目创建独立的虚拟环境以避免依赖冲突。这里展示如何基于 conda 命令建立一个新的名为 pytorch_env 的环境：
conda create --name pytorch_env python=3.9
登录后复制
激活新创建的环境以便后续在此环境中工作：
conda activate pytorch_env
登录后复制
安装 PyTorch 和 CUDA 支持
访问 PyTorch官方网站 并根据硬件条件选择合适的 PyTorch 版本以及相应的 CUDA 库版本。如果需要安装带有特定 CUDA 版本的支持（比如 CUDA 11.7），可以直接利用 Conda 来简化这一过程[^4]。
假设目标是安装具有 CUDA 11.7 加速功能的 PyTorch，则可输入如下命令：
conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch
登录后复制
这一步骤会自动处理所有必要的依赖关系并将它们添加到当前活动的 conda 环境中。
测试安装成功与否
最后验证 PyTorch 是否能够正常识别 GPU 设备。可以在 Python 解释器内运行以下代码片段来进行测试：
import torch
print(torch.cuda.is_available())
print(torch.__version__)
登录后复制
如果一切顺利的话，上述命令应该返回 True 表明存在可用的 NVIDIA 显卡，并打印出已安装的 PyTorch 版本号。