ubuntu18.04+RTX3090+Pytorch1.9+anaconda(在conda创建的虚拟环境中配置深度学习环境--不需要单独下载cuda和cudnn）

Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
基于此，我们通常使用conda创建的虚拟环境来进行深度学习的实验。

- 环境

1. 显卡驱动
2. anaconda
3. pytorch

- 显卡驱动安装

很多博客都有安装流程，这里不做介绍。

#验证是否安装成功
nvidia-smi

出现下图，则安装成功。

- anaconda安装

很多博客都有安装流程，这里不做介绍。
anaconda安装成功后：

1.创建虚拟环境
conda create -n 虚拟环境名称 python=3.8 （Python版本根据自己情况）

2.激活虚拟环境
conda activate 虚拟环境名称

3.下载pytorch
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

第三步也是最重要的一步，其实非常的简单。你只需要登录官网官网，选择自己需要下载的版本。如图

下面红框中会自动生成下载的代码，非常的方便，唯一的缺点可能就是有时候网络不好，无法顺利下载下来。
执行完上面步骤，我们的环境也就配置好了，运行代码时缺什么包可以再去下载

conda install 需要的包
或者用pip下载
pip install 需要的包

注意、注意、注意

按照上述步骤，不需要再去下载cuda和cudnn。
原因：1.第三步conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia 中其实已经下载好需要的cuda了，所以无需在重新下载。
2.至于cudnn，有博客说是conda自动为我们配置好了，无需重新下载。经过自己实验，确实无需再下载cudnn。

- 验证环境是否配置成功

import torch
# 若正常则静默
 
a = torch.tensor(1.)
# 若正常则静默
 
a.cuda()
# 若正常则返回 tensor(1., device='cuda:0')
 
from torch.backends import cudnn
# 若正常则静默
 
cudnn.is_available()
# 若正常则返回 True
 
cudnn.is_acceptable(a.cuda()) 
# 若正常则返回 True
————————————————
版权声明：本文为CSDN博主「bat67」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/bat67/article/details/84065261

我的验证结果