提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

Anaconda => PyCharm => CUDA => cudnn => PyTorch 环境配置

提示：以下是本篇文章正文内容，下面案例可供参考

一、Anaconda 安装

1、去官网下载版本即可，下载最新版即可，下面为官网链接。

/products/distribution

2、下载后已管理员身份运行

3、个人用就 Just Me，一堆人用就 All Users，都行，差别不大。

4、自行改路径，需要记住对应路径！

5、勾选第一个，否则后面需要自行添加环境变量。

6、然后 Install，耐心等待安装即可。

两个取消勾选，否则会打开浏览器，弹出网页。点击 Finish 完成安装。

Anaconda Prompt: 命令行窗口。

Spyder: 可以进行 Python 代码的编写。

7、如需查看本电脑是否安装过 Anaconda，可按 win+R 调出命令行窗口，输入 cmd 命令

8、输入conda -V即可查看是否安装好 conda，若未安装则显示 conda 不是内部或系统命令。

二、Anaconda 配置需要的 Python 虚拟环境

1、打开 Anaconda Prompt 。

2、输入 python 即可查看 Anaconda 安装的 Python 版本（之前安装过程中也提到了会预安装。）

3、输入下列命令创建虚拟环境。

conda create -n python3.7 python=3.7

conda create -n : 前缀，创建

python3.7 : 创建的文件夹名称（可改成自己使用方便的名字）

python=3.7 ：python 对应的版本，这里安装 3.7 版本

4、创建成功！

5、激活环境

conda activate python3.7

6、进入环境后可以查看安装的 python 版本，

以及后续需在这个环境下安装对应 CUDA 版本的 Pytorch。

7、然后在建立一个文件夹，在 pycharm 中作为项目打开，

设置 python 解释器为创建的虚拟环境下的 python.exe。即可

查看创建的 python 虚拟环境位置可看下述博客：

/LiDe2000/article/details/125946216?spm=1001..3001.5501

三、Pycharm 安装

去官网下载即可，下面为官网链接。

/zh-cn/pycharm/

专业版要花钱（可自行找破解版），社区版免费（基本日常够用了）

下载最新版社区版即可（也可以下之前的版本，问题不大）

正常安装即可（后续再补图片吧。。）

四、CUDA 安装

1、打开 NVIDA 控制面板，点击左下角系统信息，查看显卡支持的最高 CUDA 版本。

2、去 Pytorch 官网查看支持的 CUDA 版本。

/get-started/locally/

3、通过前两步找到 Pytorch 支持的 CUDA 版本后（CUDA 版本需要与 Pytorch 安装命令相对应，否则可能无法调用 GPU），去 CUDA 官网下载对应的版本。

官网：/zh-cn

笔者选择下载 11.3 （11.3.0 与 11.3.1 均可）。

4、下载好 CUDA 后，选择以管理员身份运行

对比新、当前版本，新版本低的话就取消勾选，不安装。

选择安装位置那可以自己新建一个位置（忘记截图了，没图放了）

正常安装即可。

五、cudnn 配置

1、去官网下载 CUDA 对应的 cudnn 版本，下载的时候会显示对应版本。

官网：/zh-cn

可能要加入才能下载，那便登陆，加入后下载。

2、下载解压后，将三个文件夹复制、粘贴至之前安装的 CUDA 安装途径下。

完成！

六、PyTorch 安装

1、打开 Anaconda Prompt ，使用之前的命令进入需要安装 Pytorch 的虚拟环境。

可查看安装的 CUDA 版本。

2、在 Pytorch 官网找到对应的安装命令，输入至上述面板中，即可进行安装（安装使用的是美国的源，所以可能会安装失败或者安装很慢，安装失败的话白天安装或者安装国内的源之后再安装。）（不要开魔法下载，会报错的）

之前笔者安装的 CUDA 11.3，因此这里选择该安装命令。

3、等待安装即可

七、验证是否可以调用 GPU

1、在 Pycharm 中选择安装了 Pytorch 的 Python 环境，上述安装 Anaconda 的时候详细写到。

import torchprint(torch.__version__)flag = torch.cuda.is_available()if flag:print("CUDA is available !")print("GPU model: ", torch.cuda.get_device_name(0))else:print("CUDA is not available !")gpu_num = 1# Device which device we want to run ondevice = torch.device("cuda:0" if (torch.cuda.is_available() and gpu_num > 0) else "cpu")print("Drive is: ", device)

GPU 可成功调用。

总结

配置过程有点长，可能也不够详细（算是笔者的一个记录贴），后续会更新安装过程中遇到的其他问题。