window linux安装cuda、anaconda、torch（快速搭建深度学习环境）

第一步，安装cuda。
https://developer.nvidia.com/cuda-downloads
从这个地址装cuda，我比较建议网络安装，安装的时候都选默认就可以。不用管啥啥版本对应啥啥anaconda的关系，因为我们后边可以通过装cudatoolkit选择对应的版本，也可以通过装虚拟环境自己设定环境的Python版本

安装完后，打开命令行（开始菜单，输入cmd），输入下面命令，如果显示cuda版本了，就代表安装成功了

nvcc -V

可以看到下面cuda版本是11.5，这就代表安装成功了

当然，也可以使用下面的第一个命令查看显卡的使用情况，第二个命令是每隔一秒刷新一次显卡使用情况：

nvidia-smi
watch -n 1 nvidia-smi

第一个红框里面代表驱动版本，第二个是cuda版本
这里我来填个坑，这个cuda的版本，代表你显卡能够装的最高的cuda版本，不是你现在的cuda版本。用nvcc -V命令查看到的，是你的cudatoolkit版本，这个才算是你真实cuda 的版本。其实严格来讲，cuda是分运行cuda版本，和另一个驱动版本（好像是），运行cuda版本就是toolkit的版本，所以，装什么样的cuda toolkit就决定了你的运行cuda版本是什么样的；也就决定了，你在安装其他包的时候，是以nvcc -V得出的cuda版本来找对应关系的，而不是nvidia-smi得出的cuda版本。

至此，cuda完成安装了。
第二步，anaconda安装。
还是不用管版本，直接去官网装默认的就可以，对了，装的时候记得add path to system应该是，还有装给某个用户的还是all users，反正，都勾选上就OK，我这里没截图，记得勾选上。
装最新的也没问题。因为我们后边装虚拟环境可以设置虚拟环境，所以不用管啥版本对应关系，直接装就OK。anaconda和cuda都是向下兼容的，只要在虚拟环境中装好cudatoolkit和python版本就OK
https://www.anaconda.com/products/individual
linux版anaconda安装大家可以参考下面的博客，或者直接去网上搜“linux安装anaconda”，教程太多了，这里就不赘述了
https://blog.csdn.net/m0_50117360/article/details/108403586
好了，至此你的cuda，anaconda都准备好了，接下来就是为你的项目创建一个虚拟环境，然后设置python、cuda版本，以及装各种依赖包了
第三步，创建虚拟环境。
下面是创建虚拟环境的命令，当然，其他的一些激活虚拟环境啊，删除啊，啥的，可以看我前边的一篇博客

conda create -n enviromentname python=3.6

激活虚拟环境

conda activate enviromentname 

第四步。在虚拟环境中安装cudatoolkit。
下面的命令，就是看你的项目需要什么版本的cuda了，如果需要10.1，就按我下面的装，如果需要10.2，就把下面的10.1替换成10.2，我装的是最新版的torch，所以我安装的cudatoolkit是11.3。

conda install cudatoolkit=10.1
conda install cudnn

至此，你的虚拟环境呗设置成了cuda10.1版本，python3.6版本，那在这个过程中，对应任何的版本关系啥的了吗？是不是很方便呢？
第四步，安装pytorch。
从这开始，就需要对应版本关系了，但不是你系统的cuda、python版本，而是你虚拟环境的cudatoolkit和python版本。
pytorch我们选择从官网安装
https://pytorch.org/get-started/locally/
从下面的图我们可以看出，按照他上边说的，根据你的实际情况去选命令就OK。如果你不想安装最新版，就点击我图中红框的链接，去找以前的版本安装

看下面的图，这里面有conda安装，有pip安装，conda安装的是pytorch，pip安装的是torch，我建议使用pip安装torch，大家注意区分就OK，记得将cudatoolkit版本号以及你项目需要的torch版本号对上。

那么至此，你的pytorch版本也就在虚拟环境中安装完成了
第五步，根据需要决定是否安装geometric
https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html
看下面的图，也是根据你虚拟环境中的cudatookit的版本去安装，如果需要其他版本，就继续往下翻，找到对应的命令，并且替换相应的版本号，在虚拟环境中安装就可以。

至此，环境搭建就OK了，我们全程没有去对啥cuda和显卡以及anaconda、python的版本号 ，都是用的默认的。但我们可以创建虚拟环境，去设置python的版本，设置cuda 的版本，设置torch的版本，就是cuda和annaconda向下兼容的好处。
当然，向下兼容也是会存在一些问题的，最好是按照和原先项目匹配的环境版本安装。