如何在 Conda 环境中安装 CUDA 和 PyTorch

        我在下载完CUDA后发现我的conda环境中并没有CUDA，我通过搜索网站确定我们安装 CUDA 到计算机后，CUDA 并不会自动包含在 Conda 环境中。这就意味着我们在 Conda 环境中使用 CUDA，需要手动安装适用于该环境的 CUDA 版本，还有要确保环境变量和路径设置正确。

        以下是我解决该问题总结的方法的详细的步骤指南：

1. 安装 CUDA

1.1 下载 CUDA Toolkit

        首先，从 NVIDIA 官网下载适合你系统的 CUDA Toolkit 安装程序。访问 NVIDIA 官网下载页 并选择适合你操作系统和硬件配置的版本。请确保选择与你的显卡兼容的版本。

1.2 安装 CUDA Toolkit

        下载完成后，按照 CUDA Toolkit 的安装向导进行安装。在安装过程中，可以选择是否安装 cuDNN 和其他组件。安装完成后，确保 CUDA 的 bin 目录已添加到系统的环境变量中。

2. 创建并激活 Conda 环境

        打开命令提示符或 PowerShell，并输入以下命令以创建一个新的 Conda 环境，并激活它：

conda create -n cuda_env python=3.8 conda activate cuda_env

3. 安装 PyTorch

3.1 选择正确的 PyTorch 版本

        在安装 PyTorch 之前，确定你的 CUDA 版本，以及是否需要安装 cuDNN。在 Conda 环境中，你可以通过以下方式安装适合你的 PyTorch 版本：

3.2 使用 Conda 安装 PyTorch

        在 Conda 环境中，可以使用 Conda 命令或者 pip 安装 PyTorch。推荐使用 Conda 安装，因为它可以处理依赖项。

# 使用 Conda 安装 PyTorch 
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

        这里，cudatoolkit=11.8 应该与你安装的 CUDA 版本匹配。

3.3 使用 pip 安装 PyTorch

        如果你想使用 pip 安装，可以执行以下命令：

pip install torch torchvision torchaudio

        但需要确保你已经正确安装了 CUDA 和 cuDNN，并且环境变量已设置正确。

4. 验证安装

安装完成后，可以通过简单的 Python 脚本验证 PyTorch 是否正确安装，并且是否能够使用 GPU 加速：

import torch 

# 检查 CUDA 是否可用
print(torch.cuda.is_available()) 

# 输出当前 CUDA 版本 
print(torch.version.cuda)

5. 设置环境变量

如果安装完成后在使用时出现问题，你可能需要手动配置环境变量：

• CUDA_PATH：指向 CUDA Toolkit 的安装目录。
• PATH：确保 CUDA 的 bin 目录和其他相关目录在 PATH 中。
• LD_LIBRARY_PATH（Linux/macOS）：确保 CUDA 的库文件路径在 LD_LIBRARY_PATH 中。

        以上便是我解决conda环境下载Pytorch和CUDA 的全部内容。