Anaconda安装及后续torch、CUDA和cudnn的安装（GPU版）

网上有很多教程，但多少有些过时或者混乱。自己安装了两天才成功，主要是把自己的驱动更新到最新，这样就不用了刻意去找对应的torch、CUDA的老版本了，下载最新或者次新的就行了。

1、先安装anaconda

百度搜索anaconda，进入官网下载

2、创建conda的虚拟环境（可以不做）

进入conda的PowerShell Prompt，即自带的命令行界面进行创建。步骤自行百度

3、升级自己的GPU驱动（可以不做，但后续麻烦，需要自己去判断版本是否合适）

去NVIDIA的官网更新

4、安装torch

使用torch官网的下载命令很方便，连带cuda一起装好，不过一般无法成功，尤其使用conda install安装无法成功（会报各种问题）。我是使用pip install的，在conda中的命令如下

pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

命令可以进入以下界面寻找，找到最新的那个复制就行（因为前面的GPU驱动更新成最新的了）

5、安装CUDA和cudnn

在conda中cuda表现为cudatoolkit

需要提前设置国内镜像，我只设置了一个。

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

输入以下命令就行，如果没有cuda，会自动安装的cuda的

conda install cudnn

6、结果

有这5个依赖包就说明安装好了，注意torch包的版本后面要有+cu1xx的

 7、验证

如图所示，说明安装正确（关键是torch.cuda.is_available() 必须等于 True）

# 判断cuda是否可用；
import torch
print(torch.cuda.is_available())
# 返回gpu数量
torch.cuda.device_count()
# 返回gpu名字，设备索引默认从0开始；
torch.cuda.get_device_name(0)
# 返回当前设备索引
torch.cuda.current_device()