Anaconda配置GPU版本的pytorch
CUDA11.6，cuDNN8.6.0，conda配置了python3.9的环境，pytorch=1.12.0
1、查看电脑是否有GPU
（1）搜索计算机管理。点击“设备管理器-显卡适配器”，就可看到是否有GPU。
如下图，显卡是NVIDIA显卡，才可以安装GPU版本的pytorch。
显卡是AMD显卡，只能安装CPU版本的pytorch。
2 、查看是否安装cuda
（1）按下win+R，输入cmd进入命令提示符。输入nvcc -V，查看是否安装cuda。目前尚未安装cuda。
3、 Pytorch，CUDA及python对应的版本
以下两张截图来自 Pytorch，CUDA及python对应的版本
4、 安装并配置cuda
4.1查看NVIDA兼容的CUDA版本
（1）点击桌面右下角的“^”，进入NVIDA控制面板。（没有的话，可在）
4.2 安装CUDA
（1）我的安装版本是CUDA11.6，conda配置了python3.9的环境，pytorch=1.12.1。
（2）win10选10，win11选11.
（3）双击.exe文件，选择文件存放位置，等待。
（4）同意继续。
（6）自定义，下一步。
（7）下一步。
（8）在之前的安装目录D:\CUDA中新建文件夹，目录为：
D:\CUDA\v11.6
D:\CUDA\Samples
选择安装位置，如下图，下一步。
（9）勾选，next。
（10）下一步，关闭。
4.3 配置CUDA环境变量
（1）搜索“编辑系统环境变量”，打开。
（2）高级-环境变量。
（3）CUDA_PATH和CUDA_PATH_V11_6这两个系统变量一般会自动生成，值为D:\CUDA\v11.6（没有的话自己添加）。NVCUDASAMPLES_ROOT和NVCUDASAMPLES11_6_ROOT需要自己添加，点击新建，输入变量名和值，其值为D:\CUDA\Samples。（这里的值就是你之前自己设置的安装位置）
4.4 验证CUDA是否安装成功
cmd中输入nvcc -V，出现下图即安装成功。
5、安装并配置cuDNN
5.1 安装cuDNN
cuDNN 历史版本（1）cuDNN 历史版本可以看到所有版本的cuDNN，及其与CUDA版本对应关系。
（2）我选择安装cuDNN8.6.0版本，点击Windows 本地安装程序（Zip）下载文件。
（3）解压后，复制文件中的bin，include，lib三个文件。
（4）粘贴到D:\CUDA\v11.6中，覆盖三个同样名字的文件。
5.2 配置cuDNN系统变量
（1）搜索“编辑系统环境变量”，打开。点击“高级-环境变量”，在系统变量中点击Path。
（2）点击“新建-浏览”，将以下路径添加进来。
D:\CUDA\v11.6\bin
D:\CUDA\v11.6\include
D:\CUDA\v11.6\lib
D:\CUDA\v11.6\libnvvp
5.3 验证cuDNN是否安装成功
（1）在D:\CUDA\v11.6\extras\demo_suite路径下启动终端。
（2）输入.\deviceQuery.exe，运行deviceQuery程序，出现以下画面。
（3）输入.\bandwidthTest.exe，运行bandwidthTest程序，出现以下画面，cuDNN安装成功。
6、Anaconda配置的环境下安装GPU版本pytorch
之前，在这篇博客中，我们已经利用anaconda创建了名为pytorch的conda环境。
（1）在Previous Pytorch Versions查看相应的conda版本。
（2）最开始使用conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge安装和清华镜像源安装都失败了。后面参考pytorchGPU版本下载，解决torch.cuda.is_available()返回False的问题用pip成功安装。
（3）打开Anaconda Prompt，输入conda activate pytorch进入pytorch环境。输入conda list，查看pytorch环境中是否有pip和pytorch。若没有pip，输入conda install pip，有的话就不用了。若之前下载了pytorch，务必用pip uninstall torch torchvision -y卸载pytorch。
（4）输入pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116安装pytorch。（我的CUDA是11.6，故是cu116）
（5）输入conda list，与 Previous Pytorch Versions对比，发现torch torchvision torchaudio版本不兼容。
当时强制兼容版本，直接报错。
（6）在torch torchvision torchaudio兼容版本下载下载 对应版本的文件。我这里是要下pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1这三个版本。（cp39是python3.9，cu116是CUDA11.6）
记住下载的这几个文件的位置（我是直接装在D盘）。pip install+路径就可安装。（报错是因为兼容问题，不用管，三个都装好后就没有兼容问题了）
pip install D:\torch-1.12.1+cu116-cp39-cp39-win_amd64.whl
pip install D:\torchvision-0.13.1+cu116-cp39-cp39-win_amd64.whl
pip install D:\torchaudio-0.12.1+cu116-cp39-cp39-win_amd64.whl
（7）此时再输入conda list，发现torch torchvision torchaudio版本兼容。
验证GPU版本pytorch是否安装成功
（1）打开Anaconda Prompt，输入conda activate pytorch进入pytorch环境。输入python。输入
import torch
torch.__version__
torch.cuda.is_available() # 返回True安装成功的画面
