参考：https://blog.csdn.net/mingren_1314/article/details/140073552
参考：https://gengzhige-essay.readthedocs.io/docs/01%20%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE/1-1%20%E3%80%90CUDA%20Anaconda%E3%80%91%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%8E%AF%E5%A2%83%E6%90%AD%E5%BB%BA.html#
anaconda安装、CUDA安装、cuDNN安装、pytorch（gpu）、Pycharm，这些都要注意版本

Anaconda安装

下载Anaconda

去到Anaconda的官方下载下载 Anaconda Distribution |蟒蛇
下载好后安装到指定目录
之后会弹出该选项框，我就第二个没打钩，其他都打钩了，等会环境变量自己添加

下载好后会出现如图提示框：我只把第一个选上，先启动一下，因为第一次打开要初始化一下
- Launch Anaconda Navigator（启动 Anaconda Navigator）：
  - 这个选项表示在安装完成后自动启动 Anaconda Navigator。Anaconda Navigator 是一个图形化的用户界面，方便用户管理 Conda 环境、安装和管理 Python 包、运行 Jupyter Notebook 等。选中此项后，安装完成后会立即打开 Anaconda Navigator，帮助你快速进入使用界面。
- Getting Started with Anaconda Distribution（开始使用 Anaconda 发行版）：
  - 选中这个选项后，安装程序会为你打开一个与 Anaconda 入门相关的文档或网页。这些资源会帮助你了解如何使用 Anaconda 进行开发，如何创建和管理虚拟环境，如何安装软件包等基本操作。

配置环境变量

安装好后现在来配置环境变量,将该环境变量配在系统环境变量中。选中此电脑，然后再点击右键，最后再点击属性
点击后选中如下

然后选择环境变量

点击如下

然后再点击新建,新建完成后点击浏览，选中安装anaconda的文件夹，选择好后点击确定，然后保存设置，注意一定要选中Scripts这个目录的位置

验证环境变量安装是否成功，使用win + R键，cmd进入终端，输入conda -v，

换源

环境变量安装好后就是换源了，因为一些东西可能还需要额外下载，但是anaconda安装默认从国外网站下载，下载的就很慢，现在我把它改成从国内网站下载
先删除国外网站的源

1	conda config --remove-key channels

然后再添加国内的镜像源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

这里是经常要使用的conda指令

1、创建虚拟环境：
	conda create -n 虚拟环境名 python==需要的版本
2、查看当前的conda有多少虚拟环境：
	conda info --envs
3、进入虚拟环境：
	conda activate 虚拟环境名
4、退出当前环境：
	deactivate 环境名
5、删除环境：
	conda remove -n 环境名 --all
6、安装环境包：
	pip或conda install 包名 -i 源(例清华源)
7、查看环境包：
	conda list

CUDA安装

参考：https://blog.csdn.net/changyana/article/details/135876568
这个需要NVIDIA显卡，CUDA是显卡驱动，NVIDIA显卡专用的驱动

查看显卡

查看显卡型号：右键此电脑->管理->设备管理器->显示适配器

然后再win + R,cmd进入终端，输入命令nvidia-smi,如果显示无法识别该命令之类的就是显卡驱动有点问题，如下图操作即可
右键点击“此电脑” -> “管理” -> “设备管理器” -> 展开“显示适配器”，查看是否有 NVIDIA 显卡条目。

然后再输入指令nvidia-smi,查看显卡对应的CUDA版本，可以看到我们需要要cuda版本12.3及以下，版本向下兼容，但是不建议用最新的，因为不稳定。我这边下载12.2版本的

下载CUDA

进入官方下载https://developer.nvidia.com/cuda-toolkit-archive

选择以下

然后点击下载，注意：一般新版本都只有一个基础安装，老版本可能会有补丁，如果有补丁的话，也需要进行下载安装

下载好后开始安装以管理员身份运行 。
刚打开就会让选择一个路径，注意：安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；
所以我这个是临时解压目录，我就新建一个文件夹存放该解压目录

接下来才是正式安装

选择自定义安装，因为精简版本是下载好所有组件，并且会覆盖原有驱动，所以在这里推荐自定义下载

如果你是第一次安装，尽量全选，安装了好几次就选第一个（看博客看来的）
这里有个Visual Studio尽量选上，（如果最后安装报错了，卡在了Visual Studio Integration上，那么重新返回不要勾选Visual Studio Integration）。

像这种驱动的还是推荐安装默认路径吧，(只能让原本就小的系统盘空间变得更小了)

安装好后查看CUDA是否有配置环境变量，继续cmd进入终端
输入命令nvcc --version,发现已经配置了环境变量

Anaconda虚拟环境

注意：使用 Anaconda 创建 Python 虚拟环境和环境中的配置是保存在 Anaconda安装所在的位置
对于不同的框架我们最好在Anaconda中创建不同的环境，以避免依赖库版本不同导致出一些乱七八糟的错误。

使用cmd创建环境

在命令行输入

1 2	conda create -n your_env_name python=x.xx # your_env_name 为你虚拟环境名 ,python后面跟你要安装的Python版本 conda create -n pytorch-gpu python=3.8

然后创建过程中会出现提示

安装好后查看虚拟环境conda env list

在使用你所创建的Python虚拟环境，首先要激活虚拟环境，在激活环境前还要对conda进行初始化，初始化后关闭cmd终端再打开

1	conda init

然后激活环境

1	conda activate pytorch-gpu

激活后就会进入环境了

配置Pytorch环境

Pytorch = Python + Torch。
Torch是纽约大学的一个机器学习开源框架，几年前在学术界非常流行，包括Lecun等大佬都在使用。但是由于使用的是一种绝大部分人绝对没有听过的Lua语言，导致很多人都被吓退。后来随着Python的生态越来越完善，Facebook人工智能研究院推出了Pytorch并开源。Pytorch不是简单的封装Torch 并提供Python接口，而是对Tensor以上的所有代码进行了重构，同TensorFlow一样，增加了自动求导。
去到官网PyTorch 插件,下滑就会滑到，选择对应的配置

然后运行命令
- 这里出现问题，这个命令开魔法不能下载，不开魔法又是几百kb，下载很慢

1	pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

这个问题解决了，不使用pip，使用Conda安装即

1	conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

下载好后检查一下环境，依次输入

1
2
3

python
import torch
print(torch.cuda.is_available())

进入Python交互环境后使用quit()退出
在Conda虚拟环境中安装jupyter,如果直接使用jupyter notebook好像不是用Conda虚拟环境的

1	conda install jupyter

然后再使用,这下就没问题了，可以开始进行初步的torch使用了

1 2	import torch print(torch.cuda.is_available())