以windows作为开发环境

本人的笔记本配置情况：

CPU：AMD R7-6800H

显卡：RTX 3060 

系统：Windows 11

安装好Windows和必要的驱动后，需要安装的工具有：CUDA、Anaconda3、cuDNN、Pytorch-gpu

1. CUDA

CUDA是NVIDIA推出的运算平台。我们需要根据自己的显卡型号选择支持的CUDA版本，例如RTX 3060支持CUDA 12，下载地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local

傻瓜式安装。

安装好后，需要再配置下系统的环境变量，电脑->鼠标右键->属性->高级系统设置->环境变量->Path：

这里我安的比较早，所以是CUDA11。

有时候傻瓜式安装完了就行~~~~~~

配置好后，就可以在cmd中使用nvidia-smi指令查看显卡了。

2. Anaconda3

Anaconda是Python的包管理器和环境管理器，可以方便我们安装Python的第三方库。

选择Windows下的Python 3.9的版本，安装也很简单，傻瓜式下一步即可。

安装好后，需要添加系统环境变量，方法与安装CUDA时一样。

路径改为自己安装的Anaconda路径即可。

配置好后，在cmd中运行conda -V没有报错，有版本信息输出，说明配置成功。

3. cuDNN和Pytorch安装

安装好Anaconda之后，使用conda安装cuDNN和Pytorch。

打开Anaconda Prompt，这是Anaconda自带的命令行工具，先一定要用这个工具创建环境，直接用系统自带的cmd，可能遇到一些奇怪的问题，例如CondaHTTPError的错误。在Anaconda Prompt中输入：

conda create -n your_name jupyter notebook

这句话的意思是创建一个名字为your_name的虚拟环境，并且这个虚拟环境额外安装jupyter notebook第三方库。可以将your_name改为你自己喜欢的名字，这个名字是你的虚拟环境的名字，自己随便取，比如LSP。

随后，输入y进行安装：

安装好后，可以通过指令conda info -e查看已有环境情况：

从上图可以看到，有四个环境，一个是base，自带的基础环境，其他三个是创建的新环境。新建环境可以分开管理我们配置的环境。

安装好环境后，我们就可以激活xzhy环境，并安装cuDNN和GPU版的Pytorch了。激活名为xzhy的环境：activate xzhy

可以看到，我们的环境由base变成了xzhy。在xzhy环境中安装cuDNN：conda install cudnn

安装cuDNN好后，安装Pytorch，打开Pytorch官网：https://pytorch.org/

根据自己的环境选择，选择好后，网页会自动给出需要运行的指令。这里可能需要区分下Python的版本和CUDA的版本。

Python版本查看方法：直接在命令行中输入python，会看到Python的版本。

CUDA版本查看方法，在命令行中输入nvidia-smi：

确定好版本后，就可以通过Pytorch官网提供的指令安装GPU版本的Pytorch了。

至此，基础的环境搭建已经完成。