CONDA虚拟环境中CUDA和PYTORCH的安装

（1）安装英伟达显卡驱动

https://www.nvidia.cn/drivers/lookup/

（2）找到对应的CUDA版本

nvidia-smi

（3）cuda和cuDnn下载

CUDA网址：https://developer.nvidia.com/cuda-11-7-0-download-archive

查看环境变量中有没有安装好的的CUDA路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp

CUDNN网址：https://developer.nvidia.com/rdp/cudnn-archive

之后将cudnn的文件下的bin、include、lib包分别复制对应的cuda文件夹下的bin、include、lib包中。

CUDA路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7

打开CMD用： 
ncvv -V  
以及：
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
cd .\extras\demo_suite
.\bandwidthTest.exe
检验CUDA是否安装成功

（4）打开虚拟环境安装PYTORCH

PYTORCH网址：https://pytorch.org/get-started/previous-versions/

通过上述网址找到各个安装包的版本通过以下指令下载（最好用TZ（全局、规则均可））：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

测试是否可用

import torch
print(torch.cuda.is_available())  # 查看GPU是否可用，输出True则代表可用，false不可用
print(torch.version.cuda)

如果缺少包则下载相应的.py文件，找到虚拟环境的Lib目录，复制进去即可

虚拟环境路径：D:\anaconda3\envs\VITKAN\Lib

如果频繁下载失败则使用以下指令

pip install --default-timeout=100 torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117