anaconda官网下载地址：Anaconda | Anaconda Distribution
下载完成后双击exe应用程序，开始进行安装，详细过程请看另一位博主文章：超详细Anaconda安装教程_极小白的博客-CSDN博客_anaconda
注：安装位置可选其他盘，如果害怕记不清位置也可默认C盘，安装时记得勾选自动添加环境变量项，这样可以减少手动添加的麻烦，其他均按照默认next下一步直至安装完成。anaconda安装时自带的有python,我们后续也可以在anaconda创建一个虚拟环境安装自己需要的python版本，不同环境中的python等包并不冲突，互相独立。
检验是否安装成功：
win+r输入cmd打开命令窗口
输入指令：
conda
查看版本号：
conda -V
如上所示即为安装成功。
2.安装cuda下载安装之前，一定要先查看自己电脑所能支持的cuda最高版本是多少，不要超过这个版本！！！
首先打开NVIDIA控制面板，点击左下角系统信息——》组件进行查看
接下来进入cuda官网进行下载：CUDA Toolkit - Free Tools and Training | NVIDIA Developer
进入后点击DOWNLOAD NOW进入如下界面:
注意：这里官方提供的是最新版的cuda，建议不要下载最新，因为后续配置torch环境时会出现版本不匹配等一系列问题。。。
因此，我们可以去历史版本页面进行下载：CUDA Toolkit Archive | NVIDIA Developer
进去之后选择我们所需要的cuda版本进行下载即可，笔者接下来以cuda11.1.0版本为例进行安装介绍
我的电脑是win11系统，点开cuda11.1.0版本会发现没有win11选项只有win10，这里我们直接选择win10即可，放心大胆的下载安装，笔记亲身安装过不会有问题。但是win11不支持10.x版本cuda!!!
双击exe文件进行安装
具体安装过程请看另一位博主介绍，我当时也是看的这篇文章，介绍的很仔细：CUDA安装教程（超详细）_Billie使劲学的博客-CSDN博客_cuda安装
安装结束后，我们需要查看系统环境变量path下是否自动添加，若没有需要我们手动添加，有以下四个：
确认环境变量无误后，验证cuda是否安装成功：
cmd进入命令窗口，输入
nvcc -V #查看版本号
set cuda #查看环境变量
如上所示即安装成功。
3.安装cudnncudnn是用于配置深度学习使用，官网下载地址：https://developer.nvidia.com/rdp/cudnn-download
注意：第一次需要我们进行注册登录NVIDIA账户
这里我们一定要选择和自己cuda版本相匹配的cudnn进行下载！！！！
这里我选择的是8.4.0版本，因为它支持11.x版本的cuda。
下载完成后，是一个压缩包，解压后打开里面是这样几个文件：
我们需要把以上红框中的三个目录copy到cuda相应安装目录下进行替换，详细请看这位博主的介绍：CUDA安装教程（超详细）_Billie使劲学的博客-CSDN博客_cuda安装
替换完成后，去查看系统环境变量path下是否有以下四个变量，若没有需要手动进行添加
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0bin C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0include C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0lib C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.0libnvvp
接下来验证安装是否完成：
首先win+R启动cmd，cd到安装目录下的 …extrasdemo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe，如下图所示：
至此，cudnn也安装完成。
4.安装pytorchpytorch官网下载地址：PyTorch
这里一定一定一定要找到和自己cuda相匹配的torch版本进行安装，我们可以在历史版本中进行查看，这里我选择的是1.9.1版本，对应cuda11.1.0
复制以上下载指令，这里建议不要用conda命令，最好用pip下载，因为conda默认是cpu版本，我们要用的是gpu版本。
找好所需要下载安装的torch版本后，接下来开始进入正戏，进行安装：
在windows搜索栏搜索anaconda找到如下应用，点击打开，会弹出类似cmd的窗口
前面带base的是anaconda中系统的环境，我们最好不要在base中安装配置，可以自己创建一个虚拟环境在里面进行安装配置，各个虚拟环境之间相互独立不受影响，这正是anaconda的方便之处，上图中的pytorch191就是我创建的一个虚拟环境。
接下来，我们首先创建一个虚拟环境取名pytorch001，在创建时我们可以指定环境内python版本，这里选择python3.7（python3.7和大部分版本匹配）
-
创建虚拟环境
conda create -n pytorch001 python=3.7
-
创建完成后，查看当前anaconda中存在那些环境
conda env list 或者 conda info -e
可以看到pytorch001已经创建成功
3.激活虚拟环境
activate pytorch001
可以看到激活后我们就进入了pytorch001环境下，此时我们就可以在这个环境下安装一些东西了
4.查看当前环境下python版本
python -V
5.安装torch，复制之前在官网粘贴的下载指令
pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
进行下载安装，这个过程可能需要一些时间，我也可以使用pip镜像源，这样能快一点
# 配置中科大镜像 pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple # 配置阿里源 pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ # 配置腾讯源 pip config set global.index-url http://mirrors.cloud.tencent.com/pypi/simple # 配置豆瓣源 pip config set global.index-url https://pypi.douban.com/simple/
查看当前镜像源
pip config list
以上镜像源，选择任意一个均可
如上所示，即安装成功。
接下来需要进行验证检查：
pytorch安装检验
import torch print(torch.__version__) print(torch.cuda.is_available())
如上所示即安装成功，且gpu加速开启成功。
注意：有的人可能会出现安装失败的问题，多数情况下是cuda,cudnn，python和torch版本不匹配的问题。还有一些人是gpu显示false没有开启，那么很大原因是上面我提到的，是使用conda指令下载的cpu版本的torch,所以一定要看清楚，选择gpu版本用pip下载最好。
至此，pytorch环境配置全部完成！！！
还有一些anaconda中常用的指令，请看我的另一篇文章：Anaconda常用命令及pip镜像源_梦想就是摸鱼的博客-CSDN博客
参考文章：
超详细Anaconda安装教程_极小白的博客-CSDN博客_anaconda
CUDA安装教程（超详细）_Billie使劲学的博客-CSDN博客_cuda安装
pytorch安装教程 - 知乎
