不知道有没有学深度学习的小伙伴在安装深度学习环境时候很头疼，反正我在研一时候是很头疼很头疼的一件事，根本搞不清楚什么显卡、显卡驱动、pytorch版本、cuda、cudnn等等等，这些是不是非常的头疼。

        好，你们的救星来了。我，站在一个大笨蛋的视角来给各位小菜分享，傻瓜式安装环境。

前提条件：我有一台电脑，现在只有一个win10/win11系统，有一块GPU。

① 安装显卡驱动

② 安装Anaconda

③ 安装pytorch、cuda、cudnn

④ 安装pycharm

⑤ 测试

第一步：显卡驱动

其实这一步很多电脑都自带了，你找一下有没有下面这个软件就知道了【你在搜索框搜索一下NVIDAI Control Panel】

如果没有的话，去NVIDIA官网【http://nvidia.cn/drivers/lookup/】，下载一个显卡驱动

如果有小菜不知道自己的GPU是哪个版本的话，来看下面

测试显卡驱动是否安装成功

然后下载安装显卡驱动就好了，然后win+R打开命令控制台

输入 nvidia-smi，出现下面的页面，那么显卡驱动就安装好了

这里有个CUDA Version:11.7 ，那么后面安装CUDA的版本一定不要高于11.7

第二步：安装Anaconda

Anaconda是用于环境管理的，可以这样理解

最外层的是Anaconda，每个小格子是一个虚拟环境，我们在做项目的时候需要不同的环境。比如我项目a需要python3.7的版本，但是后面来了个项目b需要python3.10的版本。所有我们需要将不同的版本用Anaconda这个工具管理起来。

官网地址：Download Now | Anaconda

首先安装了Anaconda之后，你要创建一个虚拟环境 conda create -n pytorch python==3.8

删除虚拟环境：conda remove -n 【虚拟环境名字】--all

第三步：pytorch、cuda、cudnn

这一步我相信很多人很晕，包括我自己，那好，我这里来解释一下【最难的我觉得就是这里，很绕】

pytorch：只是一个深度学习的框架【除了pytroch还有tensorFlow+Keras、Paddle】，但现在pytorch用的比较多

cuda：是一个NVIDIA公司推出的运算平台。通俗解释就是：CUDA就是让python、C++等程序语言可以同时在CPU和GPU上跑的一个平台。CUDA就是由CUDA驱动（显卡驱动）和CUDA工具包（CUDA Toolkit）组成。

我们常常说的安装CUDA，其实是安装CUDA Toolkit这个工具包，只是安装一共工具包而已。只有安装了CUDA的工具包，才能让代码在GPU上跑起来，CUDA只是个平台哦。

我说实话，安装CUDA这个词，我很长一段时间都不知道是干嘛用的，我只知道跑深度学习需要用到CUDA。

总之：安装CUDA，也就是安装显卡驱动和CUDA工具包(CUDA Toolkit)

cudnn：用于神经网络基础运算加速用的，专门用于深度神经网络中的基础操作而设计基于GPU的加速库。

结构图：

下面我来说如何安装了哈，我建议和我一样，因为大家都是小菜嘛，我建议用pytorch官网一键安装，而不要去NVIDIA里分部安装。因为在NVIDIA里分步安装，你要去匹配版本、调环境变量等等等，如果你是想做装环境的挑战者，那你去NVIDIA官网下载吧。

上面我不不是安装了一个pytorch的虚拟环境吗？现在我们进入虚拟环境conda activate pytorch

首先到Pytorch官网：Previous PyTorch Versions | PyTorch

我建议和我选一样的，这里的CUDA版本是11.3，我们的版本最高支持的事11.7，没问题。

这个下载可能比较慢，你需要稍等一下大概1h，不要用国内镜像源，就用官方的源。

安装完成之后，在cmd里输入conda list，查看是否有如下这个包

④ 安装PyCharm，这个大家自己去找个教程吧

⑤ 测试

# -*- ecoding: utf-8 -*-
# @ModuleName: main2
# @Author: Kandy
# @Time: 2024-11-12 12:22
import torchif __name__ == '__main__':flag = torch.cuda.is_available()print("显卡是否可用：",flag) # 返回true表示显卡可以用了device = torch.device("cuda:0" if(torch.cuda.is_available()) else "CPU")print(device)print("显卡名字：",torch.cuda.get_device_name(0)) # 获得显卡名字print(torch.rand(3,3).cuda()) # 检查数据是否可以放在GPU上计算cuda_version = torch.version.cudaprint("CUDA工具包版本：",cuda_version)print("CuDNN版本：",torch.backends.cudnn.version())

结果：