【配置深度学习环境（RTX 4070）】

步骤 操作

1. 安装NVIDIA 驱动

安装NVIDIA 驱动：
下载最新驱动（官方地址）：链接: 下载NVIDIA 驱动官方地址
检查是否安装成功

nvidia-smi

如果显示 RTX 4070 的信息，说明驱动安装成功 。

2. 卸载旧的 CUDA & cuDNN

如果之前安装了 CUDA 11.x 或 12.x，建议卸载并重新安装，避免兼容性问题：
打开 Windows 设置 → 应用 → 已安装的应用
卸载 CUDA、cuDNN
重启电脑

3. 安装 CUDA 12.1 + cuDNN 8.9

虽然 RTX 4070 官方支持 CUDA 12.3+，但 PyTorch 目前只支持 CUDA 12.1，所以建议安装 CUDA 12.1。

下载并安装 CUDA 12.1
CUDA 12.1 官方下载地址：链接: CUDA 12.1 官方下载
Windows 版本选择：
Installer Type: exe (network installer)
Download 并安装
安装后，检查是否成功：

nvcc --version

应该显示：

Cuda compilation tools, release 12.1, V12.1.x

下载并安装 cuDNN 8.9
cuDNN 8.9 官方下载地址：链接: cuDNN 8.9 官方下载
下载 cuDNN 8.9 for CUDA 12.1
解压并手动添加到 CUDA 目录
将 cudnn--windows-x64-v8.9..zip 解压到 CUDA 目录：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1

添加 cuDNN 路径到环境变量
打开 系统环境变量
在 Path 里添加：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin
验证 cuDNN

echo %PATH% | findstr "cudnn"

4. 安装 Anaconda

如果你之前已经安装 Anaconda，可以直接使用它。如果不确定，可以先卸载：

conda install anaconda-clean
anaconda-clean --yes

然后重新安装 最新版 Anaconda： Anaconda 官方下载，连接：链接: Anaconda 官方下载
安装后，创建新的 PyTorch 环境：

conda create -n pytorch-gpu python=3.10 -y
conda activate pytorch-gpu

5. 安装 PyTorch（CUDA 12.1 版本）

RTX 4070 需要 CUDA 12.1 以上版本，但 PyTorch 目前只支持 CUDA 12.1，所以必须安装 CUDA 12.1 兼容版本：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

不要安装 +cpu 版本的 PyTorch，否则仍然无法使用 GPU！

6. 验证 PyTorch GPU 是否可用

安装完成后，打开 Python 终端，运行：

python
import torch
print("PyTorch 版本:", torch.__version__)
print("CUDA 版本:", torch.version.cuda)
print("CUDA 是否可用:", torch.cuda.is_available())
print("GPU 设备数量:", torch.cuda.device_count())
if torch.cuda.is_available():
    print("GPU 设备名称:", torch.cuda.get_device_name(0))
如果 torch.cuda.is_available() 返回 True，说明 PyTorch 已成功启用 GPU 。

7. 运行 nvidia-smi 检查显卡状态

nvidia-smi

应该显示 你的 RTX 4070 以及 CUDA 12.1，并且 GPU 使用率、显存占用等信息。

补充：
1. 查看所有虚拟环境
在终端中输入以下命令，可以列出你当前 conda 环境下的所有虚拟环境：

conda env list

或者使用简短的命令：

conda info --envs

这个命令将列出所有环境以及它们所在的路径。当前激活的环境会有一个 * 标记。

2. 激活一个虚拟环境
假设你想激活一个名为 pytorch-gpu 的虚拟环境，可以运行：

conda activate pytorch-gpu

这样，你就可以进入该虚拟环境，并在其中执行相关的 Python 操作。

3. 查看当前激活的环境
激活环境后，可以通过以下命令确认当前激活的环境：

conda info

输出会显示当前的环境和一些配置信息，确认你当前的环境是哪个。

4. 列出当前虚拟环境中的已安装库
在当前激活的环境下，运行以下命令来查看已安装的包及其版本：

conda list

这会列出所有已安装的包，包括它们的版本和依赖信息。

5. 创建新的虚拟环境
如果你需要创建一个新的虚拟环境，可以运行以下命令：

conda create --name new-env python=3.10

这将创建一个名为 new-env 的新环境，并且指定使用 Python 3.10 版本。

6. 删除虚拟环境
如果你不再需要某个虚拟环境，可以通过以下命令将其删除：

conda env remove --name pytorch-gpu

这将删除名为 pytorch-gpu 的环境。