一、Anaconda安装
下载：从清华大学开源软件镜像下载
镜像网址
出现base即为安装成功：
检查显卡的驱动是否正确安装：
（GPU可以显示出名称）
·GPU0是集显=集成显卡是主板自带的显卡。
·GPU1是独显即独立显卡，是单独的一张显卡，性能一般会比集显要高。
管理环境
用conda指令创建一个pytorch环境
conda create -n pytorch python=3.8
激活
conda activate pytorch
出现的错误：
解决方法：
（1）检查环境变量
path
（2）恢复默认源
conda config --remove-key channels
检查环境中的工具包：
pip list
二、下载cuda
cuda下载链接
环境配置：
检查CUDA是否安装成功：
nvcc -V
进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite（或者是自己安装的CUDA路径），将bandwidthTest.exe和deviceQuery.exe拖入到cmd中执行，若结果为都为PASS，表示CUDA的安装与环境变量配置均成功。
三、下载cuDNN
cuDNN下载链接
（1）注册NVIDIA开发者账号
（2）下载
（3）解压下载好的安装包，cudnn-windows-x86_64-8.9.7.29_cuda11-archive.zip，包含三个文件夹。
（4）将三个文件全部复制到cuda安装目录下的同名文件夹中，即可完成安装。
四、下载pytorch
进入虚拟环境pytorch
激活
conda activate pytorch
安装pytorch
pytorch官网
复制安装命令
将指令输入到虚拟环境中，进行安装。
出现的错误：
因为下载时间过长，会自动断开，就会提示连接失败，设置延时1000s。
conda config --set remote_read_timeout_secs 1000.0
再安装pytorch
检查pytorch是否安装成功
输入python进入python环境
import torch
torch.cuda.is_available()
显示True，说明配置成功。
出现错误：
要注意显卡、cuda和pytorch的版本一致。
用清华源安装的版本可能是cpu版本的，要注意！！
检查显卡GPU和驱动版本的方法：
nvidia-smi
