深度学习环境工具使用说明

软件说明

• 系统已预置多种独立的 Anaconda 虚拟环境，涵盖不同版本的 PyTorch、TensorFlow 及对应的 CUDA，可通过环境安装工具按需切换使用;
• 环境一般1-3分钟完成安装，并设有进度指示，如果需要在编辑器中使用，可以查看 IDE切换解释器 方法.

在不同系统中打开环境工具

Windows 系统

在 Windows 系统中，可直接从桌面启动环境安装工具：

操作步骤	图标
1. 双击启动桌面上的 环境工具 .exe 图标 2. 根据引导选择合适的环境版本

---

Ubuntu 系统

在 Ubuntu 系统中，可通过终端启动环境安装工具：

sudo env_tools

执行上述命令后，根据交互式引导选择并安装所需环境。

Pytorch预装环境

环境名称	Python	PyTorch	CUDA	说明
py38-torch180-cuda111	3.8	1.8.0	11.1	30系显卡适用
py38-torch190-cuda111	3.8	1.9.0	11.1	30系显卡适用
py38-torch1110-cuda113	3.8	1.11.0	11.3	30系显卡适用
py38-torch1120-cuda113	3.8	1.12.0	11.3	30系显卡适用
py38-torch1130-cuda116	3.8	1.13.0	11.6	30系显卡适用
py39-torch200-cuda118	3.9	2.0.0	11.8	40系、30系显卡适用
py39-torch210-cuda121	3.9	2.1.0	12.1	40系、30系显卡适用
py310-torch220-cuda121	3.10	2.2.0	12.1	40系、30系显卡适用
py310-torch230-cuda121	3.10	2.3.0	12.1	40系、30系显卡适用
py310-torch240-cuda124	3.10	2.4.0	12.4	40系、30系显卡适用
py310-torch250-cuda124	3.10	2.5.0	12.4	40系、30系显卡适用
py311-torch260-cuda126	3.11	2.6.0	12.6	40系、30系显卡适用
py311-torch270-cuda128	3.11	2.7.0	12.8	50系显卡适用
py311-torch280-cuda128	3.11	2.8.0	12.8	50系显卡适用

• 安装好需要的框架版本后，可运行以下代码验证PyTorch是否可以正常使用GPU;

import torch

print("PyTorch 版本:", torch.__version__)
print("GPU 是否可用:", "是" if torch.cuda.is_available() else "否")

if torch.cuda.is_available():
    print("CUDA 版本:", torch.version.cuda)
    print("cuDNN 版本:", torch.backends.cudnn.version())
    print("当前GPU:", torch.cuda.get_device_name(0))
else:
    print("未检测到GPU支持")

YOLO预装环境

环境名称	Python	PyTorch	Yolo	CUDA	cuDNN	说明
py39-yolov5-torch201-cuda118	3.9	2.0.1	5	11.8	8.7	40系、30系显卡适用
py39-yolov8-torch201-cuda118	3.9	2.0.1	8	11.8	8.7	40系、30系显卡适用

TensorFlow预装环境

特别说明

• TensorFlow自2.10版本之后不再原生支持Windows中使用GPU，如果您需要使用2.10之后版本请选择使用Ubuntu系统或者使用wsl方式；
• 目前TensorFlow直接部署在50系列Blackwell架构显卡中可能不能正常运行，如果您有此方面需要请查看nvida提供的容器部署方式，点击查看；

环境名称	Python	TensorFlow	CUDA	cuDNN	说明
py38-tf260-cuda113	3.8	2.6.0	11.3	8.2	30系显卡适用
py38-tf280-cuda113	3.8	2.8.0	11.3	8.2	30系显卡适用
py38-tf2100-cuda113	3.8	2.10.0	11.3	8.2	30系显卡适用
py39-tf2120-cuda118	3.9	2.12.0	11.8	8.9	40系、30系显卡适用，不支持windows
py310-tf2140-cuda118	3.10	2.14.0	11.8	8.7	40系、30系显卡适用，不支持windows
py310-tf2161-cuda123	3.10	2.16.0	12.3	8.9	40系、30系显卡适用，不支持windows
py311-tf2180-cuda125	3.11	2.18.0	12.5	9.3	40系、30系显卡适用，不支持windows

验证方法

安装好需要的框架版本后，可运行以下代码验证TensorFlow是否可以正常使用GPU;

import tensorflow as tf

print("TensorFlow 版本:", tf.__version__)
gpus = tf.config.list_physical_devices('GPU')
print("GPU 是否可用:", "是" if gpus else "否")

if gpus:
    try:
        # 获取CUDA和cuDNN版本（TensorFlow 2.4+）
        build_info = tf.sysconfig.get_build_info()
        print("CUDA 版本:", build_info.get('cuda_version', '未知'))
        print("cuDNN 版本:", build_info.get('cudnn_version', '未知'))
    except:
        print("无法获取CUDA/cuDNN版本信息")
else:
    print("未检测到GPU支持")

参考资料

如果系统内置的版本无法满足您的需要，您可以自行安装其他版本；

• Pytorch官方网站

• TensorFlow官方网站