保姆级教程:从零开始用Conda配置Restormer环境(含CUDA 11.8避坑指南)
在计算机视觉领域,Restormer凭借其卓越的图像恢复能力成为研究热点。但对于刚接触这一技术的开发者而言,环境配置往往成为第一道门槛。本文将手把手带你完成从零开始的完整环境搭建,特别针对CUDA 11.8版本中的典型陷阱提供解决方案。无论你是需要复现论文结果的研究人员,还是希望将Restormer应用于实际项目的工程师,这套经过实战检验的配置方案都能帮你节省数小时的调试时间。
1. 基础环境搭建
1.1 Conda环境创建与Python版本选择
首先通过Miniconda或Anaconda创建一个独立的Python环境,这是避免依赖冲突的最佳实践。推荐使用Python 3.9版本,因其在深度学习生态中的稳定性和广泛兼容性:
bash复制conda create -n restormer python=3.9 -y
conda activate restormer
注意:如果系统未安装conda,建议从Miniconda官网获取对应版本的安装包,选择Python 3.9对应的安装包可减少后续兼容性问题。
1.2 PyTorch与CUDA 11.8的精准匹配
PyTorch版本与CUDA驱动的不匹配是环境配置中最常见的问题源。以下是经过验证的稳定组合方案:
bash复制pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118
安装后通过以下命令验证CUDA是否可用:
python复制import torch
print(torch.__version__) # 应输出2.0.1
print(torch.cuda.is_available()) # 应返回True
print(torch.version.cuda) # 应显示11.8
若遇到CUDA unavailable错误,通常由以下原因导致:
- 显卡驱动版
