使用conda配置CUDA环境
在使用各种框架，例如Pytorch、MxNet、TensorFlow等的GPU版本时，直接去官网下载CUDA和cudnn实在是太麻烦，后期还得安装配置。其实，我们可以直接使用conda轻松一键下载配置CUDA环境！
首先我们需要下载Anaconda或者Miniconda。个人更加推荐Miniconda，因为非常轻便，没有太多冗余的库包，只有必要的依赖项。
下载好Miniconda或者Anaconda之后，我们首先需要检查一下自己的电脑支持哪个版本的CUDA。单击鼠标右键，选择NVIDIA控制面板。然后先后点击系统信息-组件，找到NVCUDA.dll查看产品名称，就能知道电脑支持的CUDA版本。
之后为了方便，可以通过conda创建虚拟环境;
conda create --prefix=./python-workplacce python=3.7
其中在--prefix中输入路径，表示虚拟环境放在哪个路径下，上面的路径是我自定义的，大家可以根据情况自己修改。后面的python表示创建的虚拟环境中的python解释器，要安装的版本，也可以自己定义。激活环境使用conda activate ./python-workplace。同理，退出虚拟环境使用conda deactivate。若是想要删除这个虚拟环境，我们可以直截了当地手动删除存放虚拟环境的文件夹，也可以使用conda remove ./python-workplace --all。
我们会将深度学习的框架下载到虚拟环境中，CUDA自然要配置到虚拟环境中，所以先要激活环境。然后，通过命令conda search cudnn --info查看CUDA版本对应的cudnn版本。下图是我截取的一部分。当然，也可以自己到网上去搜索。
找到自己电脑对应的CUDA和cudnn版本号了之后，我们就可以直接通过conda配置CUDA环境了。由于我自己的CUDA版本号为9.2，所以我以9.2为例。
# 安装对应的CUDA版本
conda install cudatoolkit=9.2
# 安装对应的cudnn版本
conda install cudnn=7.6.5
安装完成后，我们就可以下载自己需要的深度学习框架了。只要注意下载的GPU版本要对应CUDA即可！