【RTX3060（暗夜精灵）等系列显卡正确配置Pytorch及其对于cuda和cudann版本的深度学习环境（避免由于版本不适应导致重装）】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

如果你在跑深度学习时使用GPU加速时遇到以下问题：

GeForce RTX 3060 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.
If you want to use the GeForce RTX 3060 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/
warnings.warn(incompatible_device_warn.format(device_name, capability, " ".join(arch_list), device_name))

---

一、问题所在

cuda版本和pytorch版本不适配
cuda版本：11.4
pytorch版本：1.10版本以下，如蓝色字体所示，只支持到cuda10.2

打开cmd（win+R快捷键）看看自己安装的cuda版本：

nvcc --version

进入虚拟环境下，看看自己安装的pytorch版本

>>>conda activate pytorch-gpu
>>>python
>>>import torch
>>>print(torch.__version__)

二、解决方法

如红色字体所示，只需要重新下载高版本pytorch即可
如下图所示，这里一定要选择cuda11.3版本或者11.X都可以的，如果选择cuda10.2，
结果就是在使用深度学习训练时导致不适配。（血与泪的教训）

步骤：

#创建虚拟环境：推荐使用python为3.8版本，比较稳定。
>>>conda create -n pytorch-gpu python=3.8
#激活环境：
>>>conda activate pytorch-gpu
>>>conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

验证：命令行输入print(torch.cuda.is_available())结果为TRUE即可

>>>conda activate pytorch-gpu
>>>python
>>>import torch
>>>print(torch.cuda.is_available())

三、pycharm上重新配置pytorch

pycharm上配置pytorch：

1. 点击 File
2. 点击Setting
3. 然后再选择python interpreter时，选择之前安装的anaconda3文件夹路径下的python

如果你需要你自己配置的pytorch环境，就选择envs文件夹里面的 python.exe就可以了
anaconda你安装时，他会自动给你配一个base环境。
当然你可以自创很多个不同名字的环境，都会在envs文件夹

友情提示：

1. 如果你的pytorch没有先建虚拟环境如：pytorch-gpu，那么就是在base中
2. 上述方法是重新建了虚拟环境pytorch-gpu再下载的pytorch，如果你想在原来的环境中下载，需要提前先卸载pytorch，然后再下载
3. 虚拟环境中文件包太多会占用很大的存储空间，对于不用的虚拟环境，就可以删除
4. 为什么要建很多虚拟环境呢？因为有些项目使用tensorflow，python版本3.6以下适用，而有的项目使用pytorch，使用python3.6以上的版本，这个时候我们只需要切换到不同虚拟环境跑我们的项目就行了，而不需要再去降低版本或者升级版本等操作了。

其他命令：退出当前虚拟环境

>>>conda deactivate