本文详细介绍了如何安装Anaconda，包括卸载旧版本、选择合适的版本及配置环境变量。接着，文章指导了CUDA的下载与安装，强调了版本选择的重要性。然后，重点讲解了在Anaconda中创建环境并安装PyTorch，以及验证安装成功的步骤。最后，文章阐述了cuDNN的下载、解压和安装到CUDA目录的过程，并提供了验证安装是否正确的方法。
一、安装Anaconda
如果安装过需卸载，直接以管理员身份运行uninstall-anaconda3可彻底删除。
选择版本，网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/（建议别下最新版）
默认环境安装（不容易出问题）-->just me-->no add PATH environment variable；
环境变量配置
cmd-->where conda-->where python;
测试是否安装成功：进入cmd，输入语句：conda --version
二、安装CUDA（针对有GPU，可选择安装）
安装网址：https://developer.nvidia.com/cuda-downloads
1.选择版本，Archive of Previous CUDA Releases
2. CUDA的版本选择，跟Torch版本要求对应，不会出错。
3. 根据自己电脑环境，推荐迅雷下载，然后默认地址安装（不容易出问题）。
三、安装pytorch
进入anaconda，创建torch的环境，python版本推荐3.8。
Win+R输入cmd，并输入activate base；activate torch激活自己的环境。
torch官网https://pytorch.org/get-started/locally/，选择对应版本的torch。
复制上面的一段代码，至Command，进入自动安装。
在Command验证安装是否成功。
输入：
import torch
print(torch.__version__) #显示版本
print("gpu", torch.cuda.is_available()) #False
至此torch安装成功，并可调用gpu加速。
四、安装cuDNN
进入下载界面:
根据 cuDNN Archive | NVIDIA Developer ，查看适配的 cuDNN
我的是CUDA v11.7，因此可以选择较新的cuDNN v8.8。
下载window的压缩包
解压得到cuDNN的文件夹
将把三个文件夹拷贝到cuda的安装目录下（如下图为默认路径）
对三个不同文件夹内容分别进行拷贝。
验证：win+R启动cmd，然后cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe（进到目录后需要直接输“bandwidthTest.exe”和“deviceQuery.exe”）,得到下图:
1091
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
