【本文原作者：擎创科技资深产品专家 布博士】

在安装深度学习及大模型微调环境时，经历了多次反复操作（如CUDA、cuDNN、PyTorch的安装与卸载）。为了避免走弯路，总结了以下步骤：

 步骤 1：显卡驱动安装

首先在安装完Windows 11后，安装RTX 4090显卡的驱动。这是后续步骤的基础。请前往英伟达官网，下载并安装适用于您的显卡的最新驱动程序。

步骤 2：安装Ollama

在显卡驱动安装完成后，安装Ollama，安装后即可利用显卡性能进行大模型推理。

步骤 3：安装CUDA

在进行大模型微调时，需安装深度学习环境，包括CUDA。关键步骤如下：

1. 检查显卡支持的CUDA版本：在命令行中输入以下命令查看支持的CUDA版本：

nvidia-smi

最大的坑是选择了不被支持的CUDA版本（如CUDA 12.6），导致PyTorch及TensorFlow都无法兼容4090显卡。因此选择低于12.6版本的CUDA。后来通过perplexity在线查询反馈上图中表示的是低于12.6版本的cuda都可以。

2. 确认PyTorch兼容版本：由于是实验环境，因此我只考虑pytorch的兼容性，而没有考虑tensorflow。在 [PyTorch官网](https://pytorch.org/get-started/locally/) 查询PyTorch支持的CUDA版本。最终选择CUDA 12.4与PyTorch 2.4.0，Python 3.10。

步骤 4：安装CUDA和cuDNN

前往英伟达官网，下载CUDA 12.4及相应的cuDNN版本。安装过程请参考这篇[博客](https://blog.csdn.net/qq_40379132/article/details/124869378)，其中详细介绍了安装步骤及系统环境变量的配置方法。

步骤 5：安装PyTorch

1. 安装Miniconda：首先安装Miniconda。

2. 创建虚拟环境：创建用于大模型开发的虚拟环境并激活该环境。

3. 安装PyTorch：在激活的环境中，使用PyTorch官网提供的安装命令进行安装。推荐使用Conda安装方式，避免依赖包缺失问题。

conda install pytorch torchvision torchaudio cudatoolkit=12.4 -c pytorch

步骤 6：验证安装成功

在Jupyter Notebook中运行以下代码，验证是否安装成功：

如上图：

• true：代表cuda可用

• 0:代表当前设备编号，默认从0开始

• 1:gpu数量，本机只有一个4090

• NVIDIA GeForce RTX 4090:代表第一个gpu名称

到此，恭喜安装完成。

注意：windows环境中，如果刚安装完，提示找不到dll文件之类的错误，建议重启，再执行如上代码。

———— THE END ————