1.先安装anaconda Anaconda
1.1这里用了最简单的方法，后面将pytorch直接安装到base配置下面了。

1.2下载安装，全部勾选。
一定添加文件夹到path中去，否则后面下载pytorch，无法传输。
在这里插入图片描述
1.3 通过cmd，输入conda --version ， 测试结果。
在这里插入图片描述

2.安装nvidia驱动，cuda 11.6
cuda安装
在这里插入图片描述

2.1添加文件夹到系统path中
2.3 通过cmd，nvcc -V 查看cuda版本是否正确。
在这里插入图片描述
这里装的是cuda_11.6

3.安装pytorch

地址 ：pytorch.org

在这里插入图片描述
在这里选择自己需要匹配的版本
在这里插入图片描述

在这里插入图片描述

// CUDA 11.6
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge
  1. 测试

输入ipython和三行测试代码，为True就是正确了。
在这里插入图片描述

import torch

print(torch.cuda.is_available())
print(torch.__version__)
# 人工智能
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局