cuda环境配置（anaconda虚拟环境版，含pytorch-gpu安装）

一、背景

cuda可以直接装到电脑上，但是安装步骤复杂，且失败率较高。选择anaconda虚拟环境安装，操作简单，且可以结合pytorch、tensorflow等深度学习框架的不同版本，安装不同的版本的cuda，各个虚拟环境互不干扰，也可以一键删除。

二、anaconda虚拟环境创建

anaconda安装配置十分简单可自行查找教程，包括环境变量和镜像源配置。
打开cmd命令行（anaconda已放到环境变量）或者Anaconda PowershellPrompt（如下图）：

输入 conda create -n test python=3.8

‘’test‘’为虚拟环境名词，可以自动定义。python版本可以结合自己的环境需求，自行修改，这里用python3.8。

输入y回车，等到运行完毕。输入conda env list，我们可以看到虚拟环境tese已创建完毕，环境名称后面是所在的路径，便于在pycharm等IDE中导入。

环境创建好后，需要进入虚拟环境，输入conda activate test回车：

可以看到环境由base变为test，表示已经进入test虚拟环境。下一步就是安装cuda和cudnn。

三、cuda+cudnn安装

1.cuda版本查询

打开命令行，输入nvidia-smi

如图，CUDA Version后面的就是电脑显卡可支持的cuda版本，所以我们要装的cuda版本需要<=12.4（可向下兼容）。如果输入nvidia-smi，表示命令不存在，则说明电脑没有安装显卡驱动，显卡驱动安装可参考如何在windows上 安装&更新 显卡的驱动

2.cudatoolkit安装

在Anaconda虚拟环境安装cuda就是通过conda命令安装cudatoolkit来实现，可以将cudatoolkit看成conda版的cuda，想具体了解cuda和cudatoolkit直接的区别，请参考一文讲清楚CUDA、CUDA toolkit、CUDNN、NVCC关系。
打开Anaconda命令行，进入我们创建好的虚拟环境（一定要进入虚拟环境！！！），输入conda search cudatoolkit --info，查看cudatoolkit已有的安装包版本。

我们可以看到各种版本的cudatoolkit，最高版本为11.8.0，因为我的最高支持12.4，所以我们安装11.8.0，安装命令为conda install cudatoolkit=11.8.0（这里用conda命令安装），回车，运行成功之后，再安装cudnn，直接使用conda install cudnn回车。这样我们的cuda环境就配置完毕了。

四、pytorch-gpu安装

1.安装

进入pytorch官网安装页面，
选择和你环境相配的选项，复制conda命令到anaconda虚拟环境的命令行页面，回车即可。如果你所要运行的项目对pytorch版本有严格要求，可以点击如图所示的地方：

进入如下页面，选择你所装的cuda版本下的和你想要的pytorch版本，进行命令安装。（一定要对应你的cuda的版本！！！，可适当向下兼容，但不要相差太大）

2.验证pytorch-gpu是否安装成功

在虚拟环境下，输入python，进入python命令行，
先导入torch库，import torch，再输入torch.cuda.is_available()

如图返回True，证明你的pytorch-gpu版本安装成功了。