1. 从一台裸机到能跑通第一个卷积网络中间到底隔了多少道坎很多人以为搞计算机视觉和深度学习第一步是打开教程敲代码。实际上真正卡住新手的从来不是模型结构而是环境。你兴冲冲地克隆了一个开源项目README 上写着“pip install -r requirements.txt”结果装到一半报错提示某个包的版本和另一个包冲突你换了个思路去装 CUDA发现显卡驱动版本对不上又得回退驱动好不容易把驱动和工具链对齐了跑起来发现 PyTorch 调用的还是 CPUGPU 根本没用上。这一套流程走下来半天时间没了代码一行没写。这篇内容就是冲着这个场景来的。我会把计算机视觉与深度学习基本环境安装这件事从硬件确认、驱动匹配、工具链选择、框架安装到最终验证完整地拆一遍。不管你是刚买了一张显卡准备入门的新手还是换了新机器需要重新搭环境的老手都能按着这个思路走通。核心关键词就几个显卡驱动、CUDA、cuDNN、PyTorch、虚拟环境、版本匹配。这几个词之间的关系搞清楚了环境安装这件事就通了一大半。我自己的习惯是每换一台机器或者每重装一次系统都会把整个流程重新走一遍并且记录下来。因为深度学习这套工具链的版本迭代很快半年前能用的组合今天可能就有坑。所以下面说的不是一份“万能配置单”而是一套可以复用的排查思路和操作框架。2. 装环境之前先把这三件事确认清楚2.1 显卡型号和驱动版本决定了后面所有选择很多人拿到机器第一件事就是装 Python 和 PyTorch这是典型的顺序错误。深度学习环境的地基是显卡驱动驱动决定了你能用的 CUDA 版本上限CUDA 版本又决定了你能装的 PyTorch 版本。所以第一步永远是确认显卡型号和当前驱动版本。在 Linux 下直接跑nvidia-smi如果能看到显卡型号、驱动版本、CUDA Version 这几行信息说明驱动已经装好了。注意这里显示的“CUDA Version”不是你实际安装的 CUDA 版本而是当前驱动所能支持的最高 CUDA 版本。比如显示 12.4意味着你可以装 12.4 及以下的 CUDA但不能装 12.5。在 Windows 下打开命令行同样可以跑nvidia-smi前提是 NVIDIA 驱动已经安装。如果提示找不到命令就去 NVIDIA 官网按显卡型号下载对应的驱动。这里有个经验不要盲目追最新驱动。最新驱动有时候和某些深度学习框架的预编译包不兼容反而会带来麻烦。我一般会选择比最新版落后一到两个版本的驱动稳定性更好。如果你用的是 AMD 显卡或者 Apple Silicon 芯片路线会有所不同。AMD 在深度学习生态上的支持相对有限ROCm 是它的对应方案但兼容性需要仔细查文档。Apple Silicon 则走 MPS 后端PyTorch 已经原生支持安装方式更简单但性能和大显存 NVIDIA 卡不在一个量级。这篇文章主要围绕 NVIDIA 显卡展开因为这是目前计算机视觉领域最主流的配置。2.2 磁盘空间和内存往往被低估深度学习环境占用的磁盘空间远超一般开发环境。一个 CUDA 工具包动辄几个 GBcuDNN 又是几百 MBPyTorch 的 GPU 版本安装包也是 GB 级别。再加上你后面要下载的数据集、预训练模型权重轻松就能吃掉几十 GB。我建议至少预留 100 GB 的可用空间给深度学习相关的内容如果要做大规模训练500 GB 起步。内存方面16 GB 是底线32 GB 会比较从容。因为在数据加载和预处理阶段内存占用会明显上升尤其是你用了多进程 DataLoader 的时候。如果内存不够系统会开始用交换分区训练速度会断崖式下降。2.3 操作系统和 Python 版本的选择逻辑操作系统这块Linux 是深度学习训练的主流选择因为大多数服务器环境和集群都是 Linux工具链的支持也最完善。Ubuntu 是最常见的发行版社区资料多遇到问题容易搜到答案。Windows 也可以用PyTorch 和 TensorFlow 都有 Windows 版本但在某些自定义算子编译和多卡训练场景下会遇到更多障碍。如果你是初学者手头只有 Windows 机器先用 Windows 入门完全没问题后面需要的时候再迁移到 Linux。Python 版本的选择有一个原则不要用最新版。深度学习框架对新 Python 版本的支持往往滞后半年到一年。比如 Python 3.13 刚发布的时候PyTorch 还没有对应的预编译包。我一般推荐 Python 3.9 到 3.11 这个区间兼容性最好绝大多数库都有对应的 wheel 包。太老的版本比如 3.7 以下很多新库已经不再支持了。3. CUDA 和 cuDNN 的版本匹配最容易翻车的一环3.1 CUDA 到底是什么为什么版本这么重要CUDA 是 NVIDIA 提供的一套并行计算平台和编程模型。简单理解它是一座桥让上层的深度学习框架能够调用显卡的计算能力。PyTorch 里的张量运算底层就是通过 CUDA 接口发送到 GPU 上执行的。版本重要是因为 CUDA 的 API 在不同版本之间有变化。PyTorch 在发布的时候会针对特定的 CUDA 版本进行编译生成对应的预编译包。如果你安装的 CUDA 版本和 PyTorch 预编译包所针对的版本不一致就可能出现找不到动态链接库、符号未定义等错误。所以版本匹配的核心逻辑是PyTorch 版本决定 CUDA 版本CUDA 版本决定驱动版本下限。这里有一个常见的误解很多人以为必须手动安装完整版 CUDA Toolkit。实际上如果你用 pip 或 conda 安装 PyTorch 的 GPU 版本它会自带所需的 CUDA 运行时库你不需要单独安装完整的 CUDA Toolkit。只有在需要编译自定义 CUDA 算子或者使用某些特定工具时才需要完整安装。这一点能帮你省掉很多麻烦。3.2 版本对应关系的查询方法每次装环境之前我都会去 PyTorch 官网的“Previous PyTorch Versions”页面查一下版本对应表。这个页面会列出每个 PyTorch 版本对应的 CUDA 版本以及安装命令。比如 PyTorch 2.1 对应 CUDA 11.8 和 12.1PyTorch 2.2 对应 CUDA 11.8 和 12.1PyTorch 2.3 对应 CUDA 11.8 和 12.1PyTorch 2.4 开始支持 CUDA 12.4。查的时候注意两点第一同一个 PyTorch 版本可能支持多个 CUDA 版本选哪个取决于你的驱动版本第二cuDNN 的版本通常不需要你手动指定PyTorch 的预编译包已经绑定了对应的 cuDNN 版本。cuDNN 是 NVIDIA 提供的深度学习加速库它对卷积、池化、归一化等操作做了高度优化。没有 cuDNN 的话PyTorch 也能跑但速度会慢很多。所以 cuDNN 不是可选项而是必选项。好消息是通过 pip 安装 PyTorch 时cuDNN 会作为依赖自动安装你不需要单独去 NVIDIA 官网下载。3.3 驱动版本不够高时的处理方案假设你的驱动版本比较老nvidia-smi显示的 CUDA Version 是 11.4但你想用 PyTorch 2.4它要求 CUDA 12.1 以上。这时候你有两个选择升级驱动或者降级 PyTorch。升级驱动在 Linux 下可以通过包管理器完成比如sudo apt install nvidia-driver-550然后重启。Windows 下就去官网下载新驱动安装。升级驱动一般不会有副作用但如果你用的是公司或实验室的共享服务器升级驱动可能会影响其他人的使用这时候更稳妥的做法是降级 PyTorch 版本选择一个和你当前驱动兼容的版本。我个人的经验是如果是自己的机器驱动保持在一个较新的稳定版就好不用频繁升级。如果是共享环境尽量不动驱动通过调整框架版本来适配。4. 虚拟环境不装它后面一定会后悔4.1 为什么必须用虚拟环境虚拟环境这件事我在很多新手那里看到的问题是他们直接在系统 Python 里 pip install 所有东西。短期内看起来没问题但当你需要同时维护两个项目一个用 PyTorch 1.13另一个用 PyTorch 2.4 的时候冲突就来了。更糟糕的是系统自带的 Python 往往被操作系统的某些组件依赖你把它搞乱了可能连系统工具都跑不起来。虚拟环境的核心价值是隔离。每个项目有自己独立的 Python 解释器和包目录互不干扰。你可以为每个项目创建单独的环境装不同版本的框架切换的时候只需要激活对应的环境。4.2 conda 和 venv 的选择Python 自带的 venv 足够轻量适合纯 pip 管理的场景。但在深度学习领域conda 更常见原因是 conda 不仅能管理 Python 包还能管理非 Python 的二进制依赖比如 CUDA 运行时和 cuDNN。虽然现在 pip 也能很好地处理 PyTorch 的 CUDA 依赖但 conda 在某些场景下仍然更方便尤其是你需要安装一些依赖系统库的包时。我的建议是如果你刚开始入门用 conda 创建一个环境然后用 pip 安装 PyTorch。这样兼顾了 conda 的环境管理能力和 pip 的包丰富度。具体操作是conda create -n cv_env python3.10 conda activate cv_env pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121这里cv_env是环境名你可以改成任何你喜欢的名字。python3.10指定了 Python 版本。后面的 pip 安装命令中cu121表示 CUDA 12.1 对应的 PyTorch 版本。如果你需要其他 CUDA 版本把cu121换成对应的标识即可。4.3 环境创建后的必要检查环境创建好之后不要急着装一堆包。先做几个基本检查python --version确认 Python 版本正确which python确认使用的是虚拟环境里的 Python 而不是系统的pip --version确认 pip 也来自虚拟环境。这三个检查能帮你避免“装了包但用不上”的尴尬。还有一个细节conda 环境创建后pip 的版本可能比较老。建议先升级 pippip install --upgrade pip。老版本 pip 在解析依赖关系时可能不够智能容易装出冲突的包。5. PyTorch 安装在线与离线两条路5.1 在线安装的正确姿势在线安装是最省事的方式但前提是网络稳定。PyTorch 的官方下载源在国内访问速度可能不理想这时候可以换用国内镜像源。不过要注意镜像源同步官方源有延迟可能没有最新的版本。如果你需要特定版本还是建议用官方源。安装命令的格式是pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121这里的cu121需要根据你的 CUDA 版本替换。如果你不确定该用哪个可以去 PyTorch 官网的安装页面选择你的配置它会生成对应的命令。安装完成后验证是否成功import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))如果torch.cuda.is_available()返回 True说明 GPU 可用。如果返回 False说明 PyTorch 没有正确识别到 GPU需要排查驱动、CUDA 版本或 PyTorch 版本的问题。5.2 离线安装的适用场景有些环境没有外网访问权限比如某些实验室的内网服务器。这时候就需要离线安装。离线安装的步骤是在一台有网的机器上下载好 wheel 文件然后拷贝到目标机器上安装。下载 wheel 文件时要注意必须选择和目标机器 Python 版本、操作系统、CUDA 版本都匹配的包。比如torch-2.4.0cu121-cp310-cp310-linux_x86_64.whl其中cp310表示 Python 3.10linux_x86_64表示 Linux 64 位系统。下载错了版本装上去也用不了。离线安装的命令是pip install torch-2.4.0cu121-cp310-cp310-linux_x86_64.whl如果有多个 wheel 文件比如 torch、torchvision、torchaudio可以一次性都传给 pippip install torch-*.whl torchvision-*.whl torchaudio-*.whl5.3 安装后的常见报错与排查最常见的报错是ImportError: libcudart.so.12: cannot open shared object file。这通常是因为 PyTorch 找不到 CUDA 运行时库。如果你是用 pip 安装的PyTorch 会自带 CUDA 运行时不应该出现这个问题。出现的话检查一下是不是环境变量LD_LIBRARY_PATH被设置成了指向一个不存在的 CUDA 目录。另一个常见报错是CUDA error: no kernel image is available for execution on the device。这通常是因为 PyTorch 编译时支持的显卡架构和你实际使用的显卡不匹配。比如 PyTorch 预编译包可能不支持太老的显卡架构。这种情况下要么换新显卡要么从源码编译 PyTorch。还有一个坑是显存被其他进程占用。nvidia-smi可以看到当前显卡上的进程如果有残留的 Python 进程没有退出它会一直占着显存。用kill -9 PID杀掉对应进程即可。6. 计算机视觉常用库的补齐与版本协调6.1 OpenCV 的安装与注意事项OpenCV 是计算机视觉领域最常用的库安装方式有pip install opencv-python和pip install opencv-contrib-python两种。前者是基础版后者包含了额外的贡献模块比如 SIFT、SURF 等特征提取算法。如果你要做传统的图像处理和特征提取建议装 contrib 版本。需要注意的是OpenCV 的 pip 包和 PyTorch 之间一般不会有冲突但 OpenCV 对 NumPy 版本有要求。如果 NumPy 版本过高或过低OpenCV 可能无法正常工作。我遇到过opencv-python要求 NumPy 低于某个版本而 PyTorch 要求 NumPy 高于某个版本的情况。这时候需要找一个同时满足两者要求的 NumPy 版本。6.2 其他常用库的安装顺序除了 OpenCV计算机视觉项目还经常用到这些库NumPy数值计算基础、Pillow图像读写、Matplotlib可视化、scikit-image图像处理算法、tqdm进度条、TensorBoard训练可视化。安装顺序上建议先装 NumPy因为很多库依赖它。然后装 PyTorch再装 OpenCV 和其他库。这样可以尽量避免依赖冲突。如果遇到冲突pip 会给出提示告诉你哪些包的版本不兼容。这时候可以用pip install packageversion来指定版本。一个实用的技巧是安装完所有库之后用pip check检查一下依赖关系是否完整。如果有 broken requirements它会列出来你可以针对性地修复。6.3 用 requirements.txt 固化环境环境配好之后一定要导出依赖列表pip freeze requirements.txt这个文件记录了当前环境中所有包的精确版本。下次换机器或者重装环境时直接pip install -r requirements.txt就能复现同样的环境。这对于项目复现和团队协作非常重要。不过要注意pip freeze会导出所有包包括那些作为依赖自动安装的。如果你只想导出直接安装的包可以用pipreqs这个工具它会扫描你的代码只导出实际用到的包。7. 验证环境是否真正可用跑通一个最小示例7.1 用张量运算验证 GPU 是否工作装完环境后不要急着跑复杂的模型。先用一个简单的张量运算验证 GPU 是否真的在工作import torch # 创建一个在 CPU 上的张量 x torch.randn(1000, 1000) # 移动到 GPU if torch.cuda.is_available(): x x.to(cuda) y torch.randn(1000, 1000).to(cuda) z torch.matmul(x, y) print(z.device) print(z.shape) else: print(CUDA not available)如果输出显示cuda:0说明 GPU 正常工作。如果显示cpu说明张量没有成功移动到 GPU需要检查前面的步骤。7.2 跑一个最小的卷积神经网络张量运算通过后可以跑一个简单的卷积网络验证 cuDNN 是否正常工作import torch import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self): super().__init__() self.conv nn.Conv2d(3, 16, 3, padding1) self.relu nn.ReLU() self.pool nn.MaxPool2d(2) self.fc nn.Linear(16 * 16 * 16, 10) def forward(self, x): x self.pool(self.relu(self.conv(x))) x x.view(x.size(0), -1) return self.fc(x) model SimpleCNN() if torch.cuda.is_available(): model model.to(cuda) dummy_input torch.randn(4, 3, 32, 32) if torch.cuda.is_available(): dummy_input dummy_input.to(cuda) output model(dummy_input) print(output.shape)这个例子虽然简单但它覆盖了卷积、激活、池化、全连接等核心操作。如果这些操作都能在 GPU 上正常执行说明 cuDNN 也配置正确了。7.3 检查显存占用和释放跑完示例后用nvidia-smi看一下显存占用。如果 Python 进程退出后显存没有释放说明有残留进程。在 Linux 下可以用fuser -v /dev/nvidia*查看哪些进程占用了显卡设备。另外PyTorch 的显存管理有自己的缓存机制。即使你删除了张量显存可能仍然被 PyTorch 的缓存持有。可以用torch.cuda.empty_cache()手动释放缓存。但要注意这个操作会降低后续分配的速度所以一般不需要频繁调用。8. 几个我踩过的坑和对应的解法8.1 驱动自动更新导致环境失效Windows 系统有时候会自动更新显卡驱动更新后的驱动版本可能和你的 CUDA 版本不兼容导致原本能跑的代码突然报错。我遇到过好几次这种情况排查半天才发现是驱动被自动更新了。解法是关闭 Windows 的自动驱动更新或者使用 NVIDIA 的控制面板锁定驱动版本。在 Linux 下如果用包管理器安装的驱动可以用apt-mark hold锁定版本防止意外升级。8.2 多个 CUDA 版本共存时的路径问题有些机器上装了多个 CUDA 版本比如/usr/local/cuda-11.8和/usr/local/cuda-12.1。/usr/local/cuda是一个软链接指向当前默认版本。如果你切换了软链接但环境变量没有更新就可能出现版本混乱。我的做法是在虚拟环境的激活脚本里显式设置CUDA_HOME和LD_LIBRARY_PATH确保每次激活环境时都指向正确的 CUDA 版本。这样即使系统默认版本变了虚拟环境里的版本也不会受影响。8.3 pip 和 conda 混用导致的包冲突conda 和 pip 混用是很多问题的根源。conda 有自己的依赖解析器pip 也有自己的。两者对包的版本要求可能不一致导致装出来的环境有问题。我的原则是在一个环境里尽量只用一种包管理器。如果必须混用先用 conda 装那些只有 conda 才有的包然后用 pip 装其余的。绝对不要用 conda 装了一个包又用 pip 装同一个包的不同版本。8.4 虚拟环境激活后 pip 仍然指向系统 Python这个问题通常是因为虚拟环境没有正确激活或者 PATH 环境变量被修改过。检查方法是which pip和which python看它们是否指向虚拟环境的目录。如果不是说明激活失败需要检查激活脚本或者手动设置 PATH。另一个可能的原因是你在虚拟环境里用了sudo pip install。sudo 会切换到 root 用户root 用户的 PATH 可能不包含虚拟环境的目录导致包装到了系统 Python 里。所以永远不要在虚拟环境里用 sudo pip。9. 环境搭好之后下一步该做什么环境安装只是起点。跑通第一个示例之后我建议你立刻做一件事把这个环境完整地记录下来。包括操作系统版本、驱动版本、CUDA 版本、PyTorch 版本、Python 版本以及所有安装过的包和版本号。这份记录在你下次重装环境或者换机器的时候能帮你省下大量时间。另外如果你打算长期做计算机视觉和深度学习建议尽早熟悉 Docker。Docker 可以把整个环境打包成一个镜像在任何支持 Docker 的机器上都能一键复现。虽然学习 Docker 需要额外的时间投入但它解决环境问题的彻底程度是虚拟环境无法比拟的。很多开源项目都提供了 Dockerfile你直接构建镜像就能跑不用再手动配环境。最后说一个我自己的习惯每次装完新环境我会跑一个简单的图像分类训练用 CIFAR-10 数据集训练几个 epoch确认整个流程从数据加载到模型训练再到验证集评估都能跑通。这个流程覆盖了深度学习项目的完整链路比单纯验证 GPU 可用性更全面。如果这个流程能跑通说明环境基本没有问题可以开始正式的项目开发了。