一文在conda环境下安装完cuda、cudnn、pytorch。

1、如何在conda环境下配置。

        为什么使用conda，因为环境方便我们管理。

        我们平时说的cuda的版本号其实是我们的cuda toolkit的版本号。

        很多人把它弄混了。

        其实的版本号是nvidia-smi进行查看的。

我的cuda版本号：

        nvidia-smi。

什么是CUDA（Compute Unified Device Architecture）

        CUDA 是由 NVIDIA 开发的并行计算平台和编程模型。

什么是CUDA Toolkit。

        CUDA Toolkit 是 CUDA 的开发工具包，包含了开发 CUDA 程序所需的各种工具和库。它包括以下组件：

        CUDA 驱动程序、CUDA 编译器 (nvcc)、CUDA 库、开发工具。

什么是CUDNN（CUDA Deep Neural Network Library）

        cuDNN 是基于 CUDA 的深度学习加速库。它是 NVIDIA 提供的高度优化的 GPU 加速库，专门为深度神经网络的计算而设计。

什么是pytorch。

        PyTorch 是一个流行的深度学习框架，使用动态计算图，特别适合研究和实验。它广泛支持 GPU 加速，并提供了一个简单易用的 API 用于开发深度学习模型。

2、开始配置。

如何安装cuda、cudnn。

安装CUDA Toolkit。

我们进行安装： 先装cudatoolkit：

conda install cudatoolkit=12.2

        我们可选择安装的版本。比之前我们查看的cuda版本低即可额。

        安装成功之后查看我们需要安装的版本cudnn。

安装CUDNN。

        注意这个版本应该和我们的cuda对应

        对应地址的链接：https://developer.nvidia.com/rdp/cudnn-archive

        一般的都可以对映。

在conda中查看我们可以安装的版本。

conda search cudnn

输出结果为：

        我们这里安装的是8.9.1.

conda install cudnn=8.9.1

        安装完毕即可安装pytorch。

安装pytorch。

        去我们的官网查看我们的pytorch的版本以及对应的cuda。

        官网地址：

        Previous PyTorch Versions | PyTorch

        选择我们当前的cuda对应的版本选择pytorch版本，conda安装。

        安装完、就全部安装完毕了。

3、测试：

        我们在conda环境激活当前环境

        依次输入python。

import torch


print(torch.backends.cudnn.version())

print(torch.version.cuda)

print(torch.__version__)

torch.cuda.is_available()

# 最后离开
exit()

        以上就是安装的全部内容，安装完毕cuda、cudnn、pytorch。