一、conda创建并激活虚拟环境

前提：确定你安装好了anaconda并配置好了环境变量，如果没有，网上有很多详细的配置教程，请自行学习

打开Anaconda Prompt

创建conda虚拟环境并激活

注：env_name表示创建虚拟环境的名字，可以起任意名（我创建时命名为pytorch）

激活虚拟环境

总结：

#创建一个虚拟环境
conda create -n [your_env_name（你的虚拟环境的名字）] python==[X.X]（2.5、3.8等)
#eg：conda create -n nnunet_env python=3.8
#进入虚拟环境
conda activate [你的虚拟环境名]
#退出虚拟环境
conda deactivate

二、查看CUDA版本

系统的CUDA版本决定了系统最高可以支持什么版本的cudatoolkit，它是向下兼容的。

输入nvidia-smi命令查看cuda版本号

比如我的CUDA Version=11.7，那么它就可以支持<=11.7版本的CUDATookit

到这一步已经知道了自己系统的cuda版本，接下来将利用清华镜像源来配置cuda+cudnn+pytorch深度学习的一个例子来简单直白的说明怎么去做

提醒：下面的操作也是要在激活虚拟环境的情况下进行的！！！！！！！！！

三、安装CUDATookit

使用以下命令：

conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/

四、安装CUDNN

注意：安装的cudnn版本必须依赖于cudatookit的版本

cuda与cudnn的对应关系可以在cuDNN历史版本下载页面看到：

• cuda下载页面

• cudnn下载页面

这里我简单列出来了较新的一些版本之间的对应关系

根据上图可知，我安装了CUDA 11.3版本，那么可选的cuDNN版本有很多，这里我直接无脑安装了最新版本，也就是cuDNN的8.4.0版本，同样是用清华镜像源来安装

conda install cudnn=8.4.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

五、安装Pytorch

根据之前我们讲过的，pytorch的版本也是和CUDA版本有对应关系的，比如torch1.6.0只适配cuda10.2、10.1、9.2，不适配cuda11.0。

我们接下来的操作需要进入到Pytorch的官网Previous PyTorch Versions | PyTorch，在里面查看你想要的Pytorch版本它适配的CUDA版本并获取安装命令

比如我现在想要安装Pytorch的1.11.0版本，同时我之前已经安装了CUDA的11.3版本

如上图，这一条命令可以满足我的pytorch和cuda之间的对应关系，因此，我们复制它并运行，即可安装Pytorch 1.11.0

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

注意：

1、也可以用pip install的命令来下载pytorch，但是因为三四两步都用的是conda，所以这里为了方便也用了conda

2、conda install pytorch安装的是torch CPU版本，conda install pytorch torchvision -c pytorch安装的是GPU版本

检查环境是否配置成功

如果如下操作可以正常进行并打印出你安装的相应版本，那么你已经配置成功

#进入虚拟环境
conda activate [你的虚拟环境名]

#输入python来进入python的环境
python

#加载torch
import torch

print(torch.backends.cudnn.version())
#输出8200，代表着成功安装了cudnn v8.4.0

print(torch.__version__)
#输出1.11.0，代表成功安装了pytorch 1.11.0

print(torch.version.cuda)
#输出11.3，代表成功安装了cuda 11.3

torch.cuda.is_available()
#True