从官网下载[Linux版本的Anaconda3]，选择自己想要下载的版本即可(https://www.anaconda.com/products/distribution#Downloads)
下载完成后通过指令“bash 文件路径/Anaconda3-2021.11-Linux-x86_64.sh”就可以开始安装了，安装过程中，需要输入两个“yes”，第一个是是否接受许可条款，输入yes
然后会询问是否要修改安装路径，不修改的话，直接enter就开始安装
安装好需要的一些包之后，会询问是否要初始化环境，输入yes，就不需要自己再去加环境变量了
如果不小心输成no了，也可以自己vim ~/.bashrc 在最后一行加入环境变量即可
export PATH=$PATH:【你的安装目录】
最后保存更改：source ~/.bashrc
出现下面这个界面就说明安装成功了
切换到Anaconda3安装目录下的bin，用source activate base激活conda，不然直接使用conda命令，会提示“未找到命令”。这一步之后就可以开始你的任何操作了！
-
创建虚拟环境
conda create -n envname python=3.X
创建好之后，也会给出激活和退出的命令
使用 conda activate envname进入刚刚创建的虚拟环境，安装的tensorflow、torch等包就安装到了自己的环境中了。 -
安装torch
进入pytorch官网所有版本的下载地址，选择一个符合自己GPU算力的版本，复制命令到命令行中即可
使用上面的命令安装，可以直接把pytorch和cuda都装好，所以如果pytorch和tensorflow都经常用的朋友，现状pytorch可以更省事哦。 -
CUDA算力查看
在本机中安装了cuda，则切换到如下目录中去查看对应的cuda驱动版本和算力大小，RTX3080Ti支持的驱动版本是11.3，对应算力为8.6，所以在安装CUDA时需要安装支持算力为8-8.6的版本。10.1是当前运行的CUDA版本，之前安装到本机上的。
也可直接用命令“nvidia-smi”查看
RTX3080Ti以上系列的都要装CUDA11.0以上，如果装10.X，在代码运行过程中就不能使用GPU。 -
测试是否安装成功
进入python环境，输入一下命令import torch torch.zeros(1).cuda()
如果输出相应的tensor张量，及设备是CUDA就成功了
如果报错是GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.那么一定是cuda版本的问题了。安装cuda版本不对。
-
配置cuda和cudnn环境
安装tensorflow-gpu之前要安装对应的cuda和cudnn，在安装torch包的时候，已经安装好了cuda，在这里只需要选择与上面cuda相应的cudnn就可以了。
用命令“conda search cudnn -c conda-forge”可查看CUDA支持的cudnn版本，用conda命令安装一下即可
我们安装与11.3对应的cudnn8.2.1
-
安装tensorflow-gpu
cuda和cudnn都已经安装好了，直接命令行中安装gpu版的tensorflow即可。
安装命令： “conda install tensorflow-gpu2.6.0”，如果出错，用pip安装即可
“pip install tensorflow-gpu2.6.0”
下面的环境在在GPU为RTX3080Ti中是亲测可用的cuda ==11.0或11.1 cudnn ==8.2.1 python ==3.6/3.7#没有用到3.8和3.9更高的版本，应该也是没问题的 TensorFlow-gpu ==2.5.0 Pytorch ==1.7.1#对应cuda11.0
在RTX3090Ti中，各版本稍微不一样，需要注意的一点是，tensorflow-gpu要安装2.X，安装1.X一样会出错。
cuda ==11.3 cudnn ==8.2.1 python ==3.9#没有用到3.8和3.9更高的版本，应该也是没问题的 TensorFlow-gpu ==2.6.0 Pytorch ==1.10.1#对应cuda11.3 ```
