本文主要是介绍本地GPU调用失败问题解决3重新配置anaconda环境（成功），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1、右键“以管理员身份”打开anaconda prompt
conda create -n python 3.9
2、使用官方下载源的配置
3、修改conda下载超时
conda config --set remote_connect_timeout_secs 60
conda config --set remote_read_timeout_secs 100
查看配置结果conda config --show
配置内容：
配置文.condarc中也只剩下超时数据了，原设定的其他国内镜像不见了
4、
# CUDA 12.1 根据官网执行指令
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia
# 国内源情况执行
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1
看一眼配置源情况
输入conda info，只列出了官方源
5、中间过程输入y，继续下一步，直至done
6、查看安装的包版本
其中部分源来自清华镜像，可能是之前新建环境的时候还在使用清华镜像
输入：conda list
python 3.9.19
pytorch 2.2.0
pytorch-cuda 12.1
torchaudio 2.2.0
torchvision 0.17.0
其他包：截图
7、检查指定
输入：
python # 进入python环境
import torch
print(torch.__version__) # 返回torch版本
print(torch.cuda.is_available()) # 返回GPU是否可用
8、在pycharm中的检测
# 返回torch安装版本
print(torch.__version__)
# 返回GPU是否可用
print(torch.cuda.is_available())
# 返回GPU设备数量
print(torch.cuda.device_count())
# 返回GPU设备名称
print(torch.cuda.get_device_name(0))
9、成功！
这篇关于本地GPU调用失败问题解决3重新配置anaconda环境（成功）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
