目录
一、配置Cuda及Cudnn
（一）下载Cuda
1、查看电脑自带的Cuda版本
2、下载相应版本Cuda安装包
3、安装Cuda
4、配置变量
（二）下载Cudnn
二、创建虚拟环境
三、虚拟环境中安装GPU版Pytorch
（一）有关环境的基本指令
（二）安装GPU版Pytorch
四、将虚拟环境在Jupyter noterbook及Pycharm调用
（一）在Jupyter noterbook中调用
（二）在Pycharm中调用
五、结语
一、配置Cuda及Cudnn
（一）下载Cuda
1、查看电脑自带的Cuda版本
方法一：
win+r打开运行窗口，输入cmd后点击确定
进入命令窗口后，输入nvidia-smi，即可以查看本机的Cuda版本。
方法二：
在菜单栏点击这个图标
进入控制面板页面，点击左下角系统信息
在组件中即可看到Cuda版本
2、下载相应版本Cuda安装包
注意：下载Cuda版本是可以像下兼容，例如我的电脑版本是10.2，那么我可以下载10.1版本的Cuda，但不能下载11.0版本的Cuda。（第一次进入官网下载需注册一个账号，也不麻烦）
官网连接：CUDA Toolkit Archive | NVIDIA Developer
进入官网后选择自己对应版本的Cuda，我下载的是10.2的
点击后进入如下页面，进行如下选择
（特别说明，如果你是win11系统，你会发现版本中没有11，那你直接点10就可以，亲测可行）
点击download，并等待下载安装包
3、安装Cuda
按右键以管理员身份运行安装包，弹出如下页面，可以选择安装位置
注意：这个是虚拟安装位置，完成安装后会自动删除，所以默认就好
等待加载，接下来出现安装界面，点击”下一步“--“同意并继续 ”
选择自动安装，点击下一步
全选以下内容，并点击下一步
十分建议更改默认安装位置，不要装在C盘！！！我放在了D:\CUDA\v10.2
接下来等待安装完成即可。
4、配置变量
在页面搜索栏直接搜索环境变量，点击进入如下页面
查看环境变量，如果没有需要自己添加
（1）首先点击新建添加这四个变量
变量名称为：
CUDA_PATH
CUDA_PATH_V10_2
NVCUDASAMPLES_ROOT
NVCUDASAMPLES10_2_ROOT
变量值为：安装地址
（2）在系统变量中找到变量Path，点进去，添加以下两个变量
至此变量配置完毕！！！
【检验Cuda是否安装成功】
运行cmd，输入nvcc -V，出现版本号即为安装成功
（二）下载Cudnn
安装Cudnn的方式就简单了很多，点击如下网页，挑选与Cuda版本相匹配的Cudnn
cuDNN Archive | NVIDIA Developer
下载完成后，会得到一个安装包，解压后将里面的三个文件夹bin、include、lib复制，粘贴至Cuda的安装路径替换如下三个文件夹
至此Cudnn安装完毕！
【检验Cudnn是否安装成功】
打开cmd，用以下方法转到安装路径中的D:\CUDA\v10.2\extras\demo_suite（如果未安装在C盘需要先转到对应盘，在用cd指令）
依次输入bandwidthTest.exe和deviceQuery.exe并执行，如果显示，如下页面即成功
二、创建虚拟环境
打开Anaconda Prompt，输入如下指令
conda create -n env_name python=X.X
其中env_name即为创建虚拟环境名称，可以指定 python 版本。
此处我创建了一个名为gpu_torch的虚拟环境，指定python版本为3.9。
填”y“
至此创建成功
利用conda activate pytorch命令进入虚拟环境，执行后，括号的内容发生变化，变化为虚拟环境名称gpu_torch,说明进入成功。
三、虚拟环境中安装GPU版Pytorch
（一）有关环境的基本指令
查看所有环境的命令是：
conda env list #查看所有环境激活虚拟环境的命令是：
conda activate env_name #env_name即为环境名称在我们激活虚拟环境之后，在命令提示符窗口便进入了虚拟环境之中。
退出当前虚拟环境的命令是：
conda deactivate删除虚拟环境的命令是：
conda remove -n env_name --all（二）安装GPU版Pytorch
将虚拟环境激活后，进入pytorch官网：PyTorch，然后找到对应版本
如果这里没有你想要的Cuda版本，请点击Previous versions of PyTorch
进入后在此页面查找即可
在命令行输入指令运行
填“y”
开始下载
下载完成后，检验一下是否成功
import torch
print（torch.__version__)
print(torch.cuda.is_available()) #查看Cuda是否可用
print(torch.cuda.device_count()) #查看可用的CUDA数量
成功！！！
四、将虚拟环境在Jupyter noterbook及Pycharm调用
（一）在Jupyter noterbook中调用
方法一：
1、激活虚拟环境
conda activate env_name #env_name为虚拟环境名称2、安装ipykernel
conda install -c anaconda ipykernel3. 在ipykernel中添加虚拟环境名称，name=后面是激活的虚拟环境名称。
python -m ipykernel install --user --name=env_name4、重新启动jupyter notebook，就可以发现内核中出现了虚拟环境的内核。
方法二：
1、激活虚拟环境
conda activate env_name #env_name为虚拟环境名称2、安装 ipykernel（也可以用如下命令）
conda install ipykernel3、退出当前虚拟环境
conda deactivate4、进入base环境
conda activate base 5、将所有环境添加至jupyter notebook
conda install nb_conda_kernels
6、重新启动jupyter notebook，就可以发现内核中出现了虚拟环境的内核。
附加：
1、查看jupyter notebook已安装的内核，打开cmd，输入如下指令
jupyter kernelspec list2、删除jupyter notebook的某个内核
jupyter kernelspec remove kernelname #kernelname为想要删除的内核名称（二）在Pycharm中调用
添加虚拟环境路径下的python作为解释器即可。（D:\download\Anaconda\envs\pytorch_gpu\python.exe）文章来源：https://www.toymoban.com/news/detail-861246.html
五、结语
祝大家学业顺利！！！文章来源地址https://www.toymoban.com/news/detail-861246.html
到了这里，关于配置Cuda及Cudnn，在Anaconda创建虚拟环境，安装GPU版Pytorch，并在Jupyter noterbook及Pycharm中调用【极其详细】的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![Linux和Windows系统下:安装Anaconda、Paddle、tensorflow、pytorch，GPU[cuda、cudnn]、CPU安装教学,以及查看CPU、GPU内存使用情况](https://imgs.yssmx.com/Uploads/2024/02/762289-1.png)
