使用conda安装cuda、torch前要先查看版本

1.查看系统算力支持的最高版本cuda

默认系统已经有cuda了，nvcc-V查看现在cuda版本或者nvidia-smi查看cuda驱动支持的最大版本

2.查看conda虚拟环境的python版本

确定torch与python、torch与CUDA、torch与torchvision对的上（torchvision是图像包，不用的可以不安）

torch和pytorch版本对应：https://github.com/pytorch/vision#installation
pytorch各版本和cuda版本对应关系(官网链接)：https://pytorch.org/get-started/previous-versions/

（参考博客：https://www.cnblogs.com/zhoujiayingvana/p/15655016.html）
注意低版本的 pytorch 是否支持更高版本的 cuda。（高版本的pytorch一般能兼容低版本cuda）例如：你需要 1.7.0 的 pytorch，那么 cuda 只能 11.0 及以下。官方推荐的cuda版本为10.2和11.3，这两种 cuda 支持大多数的 pytorch 版本。不过一般人都是根据cuda装pytorch，谁没事指定pytorch版本反装cuda啊，哦是复现baseline啊，那没事了…

3.安装pytorch

安装pytorch（注意版本号！）
https://pytorch.org/get-started/previous-versions/
其中 torchvision torchaudio 如果不是 CV 方向不需要装；-c 表示从官网下载，有镜像源的情况下，去掉末尾的“-c pytorch”会更快，否则经常容易下载超时 。想加快安装，推荐使用conda install -c conda-forge，不推荐使用国内源。关于-c conda-forge的理解，参考https://blog.csdn.net/qq_43391414/article/details/115069247

下载不下来也可以尝试这个网站，然后本地安装。

4.检查pytorc_gpu版本是否可用

import torch
flag = torch.cuda.is_available()
if flag:
    print("CUDA可使用")
else:
    print("CUDA不可用")

ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为：",device)
print("GPU型号： ",torch.cuda.get_device_name(0))

5.安装cudnn

pytorch官网介绍的安装命令附带了下载和安装cuda，但是没有附带cudnn，所以还需要额外安装cudnn。（安装路径没有单独形成cuda文件夹，都是统一存放在envs下的虚拟环境lib、include文件夹下）

conda search cudnn # 看和cuda对应的cudnn
conda install cudnn==8.2.1
# cuda和cudnn的路径为： https://blog.csdn.net/Mr__George/article/details/102972958

6.更改环境变量（非必须）

一般来说，到这里就OK了，如果希望改环境变量，就参考这个

一些参考博客：
https://blog.csdn.net/LIWEI940638093/article/details/113811563
https://blog.csdn.net/Mr__George/article/details/102972958