1 安装anaconda

这个可以看这个教程：https://blog.csdn.net/in546/article/details/117400839
需要注意的是记得添加到环境变量中

2 查看本机显卡支持的cuda最高版本

在右下角中点击“NVIDIA设置”

在弹出的窗口中，点击帮助 – 系统信息

在弹出的窗口中，选择 组件 浏览页，并在下面找到 NVCUDA64.DLL，在产品名称那一栏可以看到本机支持的最高CUDA版本是11.2.162

如果是Linux系统，那么可以在命令行中输入nvidia-smi（我在一台服务器上演示这个命令，并非表示本机的RTX3060的显卡）

（2）根据pytorch版本选择要安装的CUDA

进入pytorch官网的下载页面：https://pytorch.org/get-started/locally/

可以看到，这里最新的稳定版本(1.10.1)目前仅支持CUDA 10.2和CUDA11.3两种CUDA环境，但我们的机器支持的最高版本是11.2，无法安装11.3的CUDA，而10.2的CUDA也无法安装，因为7.X算力的CUDA不能安装在8.X算力的显卡上，即算力不能跨。（加入我的显卡支持11.3的cuda，那就可以直接用命令了，后面的cuda和cudnn都可以不用装了，因为命令里面有一句cudatoolkit=11.3，这就是安装cuda工具的意思）

此时可以安装更早的pytorch版本，点击 install previous versions of PyTorch

在新跳转的网页中找到CUDA版本≤11.2对应的pytorch

我在v1.8.1下找到了支持CUDA11.1的pytroch版本

截图中的安装命令中，没有安装cuda的部分，因此接下来我们就安装cuda11.1
其实可以直接安装pytorch1.8.0，因为它的命令如下：

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

这里连同cuda也一起安装了，但我们这里还想演示一下cuda和cudnn的安装，所以就安装不带cuda的版本。

（3）下载安装CUDA

下载页面在这：https://developer.nvidia.com/cuda-toolkit-archive
我的机器，下面两个都可以


下载后安装

（4）下载cudNN

根据cuda的版本下载对应的cudnn，下载页面在这：https://developer.nvidia.com/cuDnn
登录后选择匹配的版本下载

屏幕截图中的两个，都可以

下载并解压缩cudnn

将其中的所有文件和文件夹复制，然后在cuda的安装目录下粘贴，如果有提示，则替换。（CUDA默认安装在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA中）

（5）下载安装刚刚选择的pytorch版本

刚刚我们选择的是1.8.1版本的pytorch，我们在命令行键入

pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

然后就耐心等待吧。