Pytorch环境配置（anaconda安装+独显+CUDA+cuDNN)
目录
1.anaconda安装（换源）
2.CUDA的配置和安装
（1）检查自己的电脑的显卡
（2）查看GPU显卡所支持的CUDA版本
(3) 下载对应的CUDA
（4）CUDA的安装
（5）nvcc -V验证是否安装成功
（6）配置环境变量
3.选择对应的cudnn的版本
4.Pytorch的安装
（1）视频链接
（2）打开Anaconda Prompt（或者win+R打开命令行）
（3）然后创建名为pytorch的虚拟环境
（4）激活pytorch环境
（5） 进入pytorch官网
（6）检验是否安装成功
（7）可能出现的错误：
1.anaconda安装（换源）
anaconda的安装可以看这篇博客：
超详细Anaconda安装教程_极小白的博客-CSDN博客_anaconda
如果想换国内源，根据下面链接操作
Anaconda之conda换国内源_你的大数据学长的博客-CSDN博客_conda换源
2.CUDA的配置和安装
（1）检查自己的电脑的显卡
在左下角wins下—右键—打开设备管理器—选择显示适配器
（2）查看GPU显卡所支持的CUDA版本
在电脑左下角搜索里，输入NVIDIA
打开应用，如下图，点击帮助----系统信息---组件
可以看到NVIDIA的版本是11.6
(3) 下载对应的CUDA
下载 （地址CUDA Toolkit Archive | NVIDIA Developer）
选择对应的版本后进行下载
（4）CUDA的安装
可以安装在默认路径，也可以安装在其他盘符中。（此处，我安装在默认路径C盘中）
步骤：同意协议-自定义-三不选-两不选
注意要点开CUDA,把里面的几项勾掉。
之后一直点下一步就行。
（5）nvcc -V验证是否安装成功
Win+R,输入cmd.打开命令行，输入
nvcc -V
（6）配置环境变量
在计算机中，打开属性——高级系统设置——环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V版本号两个环境变量
打开PATH,看到两个新加的变量
3.选择对应的cudnn的版本
（1）官网
地址：（https://developer.nvidia.cn/rdp/cudnn-archive）
（2）选择适配CUDA版本的CUDNN，下载，此处需注册英伟达账号
下载下来的是一个压缩包，解压后有三个文件夹
将这三个文件夹同时选中，并且复制。粘贴到cuda的安装路径下（我使用的是默认路径），如下图（相同的文件夹会自动合并）
（3）检查是否安装成功：
Win+R,输入cmd.打开命令行，输入nvidia-smi
nvidia-smi
4.Pytorch的安装
（1）视频链接
PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili
（2）打开Anaconda Prompt（或者win+R打开命令行）
先看一下自己电脑的python版本，
（3）然后创建名为pytorch的虚拟环境
conda create -n pytorch python=3.9.12
创建名为pytorch的虚拟环境，并为该环境安装python=3.9.12
（4）激活pytorch环境
（5） 进入pytorch官网
地址： Start Locally | PyTorch
复制run this command中的命令
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge输入上述指令：
（6）检验是否安装成功
输入指令 python
输入import torch，如果没有报错，就说明已经安装好。
检验pytorch是否可用电脑GPU：torch.cuda.is_available()
若回复True则成功。
python
import torch
torch.cuda.is_available()如下图：
输出“true”，哈哈哈，大功告成了！
一些小技巧：
如果最后在安装pytorch时出现一些奇奇怪怪的错误，可以尝试一些多次执行下载指令。（多安装几次）
如果还是报错，可以换一下pytorch相差不大的版本。
（7）可能出现的错误：
SyntaxError: inv.打开PATH,看到两个新加的变量alid character in identifier：标识符中的无效字符。
- 代码中有中文字符，包括标点符号。
- 不可见字符。