配置pytorch環境2024
windows11
1.安裝anaconda
conda create -n {虛擬環境名} python=3.9 matplotlib numpy pandas jupyter
我們新建一個python版本為3.9的虛擬環境，初始化安裝了matplotlib, numpy, pandas庫，以避免後續依次安裝而造成的依賴版本衝突問題。
Tips: 經驗得出的結論，這樣安裝的python包會自動協調版本內容，避免衝突。所以儘可能在建立時一次安裝完成。但有些python包比較大，下載如果過慢會導致建立時間隨之延長。
2.決定下載哪個版本的pytorch（根據你要安裝的CUDA版本）
開啟這個網頁檢視pytorch官網支援的兩各版本CUDA：Pytorch下載連結
開啟命令列，輸入nvidia-smi
CUDA Version後面的就是電腦顯示卡可支援的cuda版本，更新最新版顯示卡驅動後，我的電腦最高支援12.7版本的CUDA。
顯示卡驅動更新地址：英偉達顯示卡驅動查詢地址
在這裡選擇你的顯示卡並點選“開始搜尋”查詢驅動，並在下方下載名為GeForce Game Ready驅動程式的驅動即可，其餘安裝過程直接一直下一步就可以安裝完成了。
3.安裝cuda
CUDA有兩種安裝方式，直接去英偉達官網下載安裝包安裝，以及在anaconda下用conda安裝。
筆者嘗試直接在anaconda下安裝了11.8的CUDA，可以在虛擬環境下成功校驗torch.cuda.is_available()，但是nvcc -V不成功，現在還沒有跑程式驗證安裝好的pytorch是否可用。如果不可用，下一步應嘗試在本機安裝比虛擬環境下版本更高的CUDA，如12.4.1版本。
1.工具包方式
這種方法就是先明確自己需要安裝的版本，然後去英偉達官網下載安裝包安裝。
不過在以前基礎上再加一低版本，需要注意的就是不要勾選驅動程式，然後切換版本要配置環境變數。
來到CUDA Release下載安裝CUDA工具包（CUDA Toolkit），注：cudatoolkit下載很慢，我下載的是12.4.1
安裝可以參考這個連結
安裝時要注意：
2.動態連結庫方式
在Anaconda虛擬環境安裝cuda（參考連結）
相比英偉達官方提供的 CUDA Toolkit，這種方式顯得特別輕便。因為前者是一個完整的工具安裝包，其中還提供了英偉達驅動程式（可以不勾選）和開發 CUDA 程式的工具。而對於使用深度學習框架的話，訓練使用 GPU 確實只需要使用 CUDA 的動態連結庫就可以，而且只需要用 conda 安裝就可以。
首先進入我們建立好的虛擬環境（一定要進入虛擬環境！！！）
檢視支援的 cuda
輸入conda search cudatoolkit --info，檢視cudatoolkit已有的安裝包版本。
這裡看到最高是11.8.0
檢視支援的 cudnn
輸入conda search cudnn --info
安裝 cuda 和 cudnn（這裡用conda命令安裝）
conda install cudatoolkit=11.8.0
conda install cudnn
原文連結：https://blog.csdn.net/weixin_46446479/article/details/139004738
3.安裝完成cuda工具包之後，在anaconda虛擬環境中安裝新的CUDA的方式
建立虛擬環境的時候可以使用預設安裝的系統cuda版本,也可以建立時指定一個新的cuda
比如：conda install pytorch1.2.0 torchvision0.4.0 cudatoolkit=10.0 -c pytorch
這裡的cudatoolkit就是安裝在虛擬環境的cuda
這個虛擬環境的cuda版本最好不要超過系統內安裝的cuda版本
注意anaconda虛擬環境裡的cuda和cudnn不是完整的，必須依賴於系統內安裝的cuda和cudnn（這裡存疑）
在虛擬環境裡使用gpu時候會優先呼叫虛擬環境裡的cuda/cudnn
4.安裝pytorch
根據以上內容安裝了11.8的CUDA，3.9的python，在官網生成安裝指令如下：
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
如下：
可以看到，我安裝的是2.5.0版本的pytorch。
5.校驗torch
輸入pip list或者conda list，看有沒有pytorch或者torch，有的話進行下一步
進入python IDLE
python
匯入torch包並驗證CUDA可用
import torch
torch.cuda.is_available()
看到這裡顯示true就表示你已經成功安裝了pytorch-CUDA了
6.參考文章:
2024年Pytorch + CUDA配置教程（Windows版）手把手教學，詳細講解
這是一篇基於Anaconda的pytorch-cuda安裝教程
Ubuntu + cuda + anaconda + cudatoolkit關係說明
Win11配置多個CUDA環境
Windows10 下 CUDA 新舊多版本共存
安裝Pytorch如何選擇CUDA的版本，看這一篇就夠了
conda 環境下怎麼使用 cuda、cudnn、tf 等環境
顯示卡，顯示卡驅動,nvcc, cuda driver,cudatoolkit,cudnn到底是什麼？
如何解除安裝cuda
參考這篇部落格 CUDA的解除安裝，首先記住刪除環境變數或者將環境變數改名
Ubuntu
Linux系統從零開始最快配置Pytorch（NVIDIA驅動+Anaconda+Pytorch）
安裝多版本 cuda ，多版本之間切換
如何使用docker管理環境？
這是英偉達官方的docker映象：https://hub.docker.com/r/nvidia/cuda