conda配置深度学习环境安装GPU版本，检查发现是CPU版本的简单解决办法。

    背景介绍：根据自己要复现的代码的环境要求，我选择了自己的pytorch版本是1.8.1，python==3.7+，再结合自己显卡的cuda版本，比如我是12.4，要选择的cudatoolkit版本应该小于你的cuda,如果找不到合适的，就先去升级你自己显卡的版本，在nVidia升级。找到我需要的pytorch命令。

    这里我选择了cudatoolkit=11.3，按照此命令去conda安装，最后conda list 检查发现还是cpu版本。 

     看了很多文章，有的说是用conda里的pip渠道来安装，我试了还是不可以，仍然为cpu版本，这里附上一个链接。好文：作者说全网最稳妥通用的GPU版本pytorch安装教程，写的确实很详细

 但是，但是，重点来了。因为我要去服务器上配置环境。让我机缘巧合地发现，服务器平台在你创建实例时会让你选择环境，他们提供的版本号组合没有torch官方的组合，因此我直接在conda用他们提供的版本号来安装。（记得重新激活一个环境，保持干净的环境，用镜像源安装也不会浪费很多时间。）

pip install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=11.1 -c pytorch -c conda-forge

    这是conda里的命令。 

     这里把cudatoolkit版本改成了11.1。安装后为GPU版本的pytorch以及torch vision。

 

     原因我认为是conda本身对环境内兼容性的要求比较高，毕竟专门做这个的，pytorch官网给的命令达不到conda的要求，因此就安装了cpu版本的，conda真的会为了兼容性改变你安装的库的版本。并且有时候一些包的指定版本不允许你安装，直接去pip安装就好了，pycharm能识别和运行的。所以太严格也不见得是好事。
    另一方面，服务器提供的组合算是大佬们找到的，试验过合理的，所以能直接安装吧。这点只算是我的猜想。
    希望对大家有帮助。