安装英伟达驱动、配置 CUDA、安装 Conda 环境及配置 PyTorch
tips：防止环境配置出错的办法就是一比一版本安装 参考链接：https://blog.csdn.net/zslefour/article/details/143441087 清华源：https://pypi.tuna.tsinghua.edu.cn/simple/torchvision/ 离线文件百度网盘：通过网盘分享的文件：nvidia_torch_env 链接: https://pan.baidu.com/s/1irBLVDIRyitgET9D5e-2YA?pwd=fqyr 提取码: fqyr
1. 安装英伟达驱动
版本
NVIDIA Driver: 560.94
安装步骤
访问 NVIDIA 官方网站，下载与你显卡兼容的驱动程序。按照安装向导完成驱动程序的安装。
验证驱动安装
打开“NVIDIA 控制面板”（右键点击桌面空白处，选择“NVIDIA 控制面板”）。在左侧菜单中选择“系统信息”，查看“驱动版本”是否为 560.94。打开命令提示符（CMD），输入以下命令并回车：nvidia-smi
如果显示 GPU 信息和驱动版本，则说明驱动安装成功。
2. 配置 CUDA 和 CUDNN
版本
CUDA: 12.4.99CUDNN: 8.9.5（与 CUDA 12.4 兼容）
安装步骤
安装 CUDA
访问 CUDA 下载页面，选择适合你操作系统的版本。按照官方指南完成 CUDA 的安装。配置 CUDA 环境变量：
在 Windows 系统中，右键点击“此电脑” -> “属性” -> “高级系统设置” -> “环境变量”。添加 CUDA_PATH 系统变量，值为 CUDA 的安装路径（例如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4）。将 CUDA 的 bin 和 lib 文件夹路径添加到 Path 环境变量中。 安装 CUDNN
访问 CUDNN 下载页面，选择与 CUDA 12.4 兼容的版本（如 8.9.5）。下载 CUDNN 的 .zip 文件并解压。将解压后的文件夹中的内容复制到 CUDA 的安装路径中：
将 bin 文件夹中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin。将 include 文件夹中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include。将 lib 文件夹中的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\lib。
验证 CUDA 和 CUDNN 安装
验证 CUDA：
nvcc --version
如果显示 CUDA 编译器版本信息，则说明 CUDA 安装成功。
验证 CUDNN：
打开命令提示符（CMD），输入以下命令：nvidia-smi
如果显示 GPU 信息，则说明 CUDNN 安装成功。或者，运行以下 Python 代码检查 CUDNN 是否可用：import torch
print(torch.backends.cudnn.is_available()) # 应输出 True
3. 安装 Conda 环境
python版本为3.10.16
安装步骤
下载并安装 Anaconda 或 Miniconda。打开终端或命令行工具，创建一个新的 Conda 环境：conda create -n pytorch_env python=3.10
激活环境：conda activate pytorch_env
4. 安装 PyTorch 及相关包
版本
PyTorch: 2.5.0+cu124Torchvision: 0.20.0+cu124Torchaudio: 2.5.0+cu124
安装步骤
使用以下命令安装 PyTorch、Torchvision 和 Torchaudio：
pip install torch==2.5.0+cu124 torchvision==0.20.0+cu124 torchaudio==2.5.0+cu124 --extra-index-url https://download.pytorch.org/whl/cu124
如果需要手动下载 .whl 文件，可以使用以下链接：
Torch 2.5.0+cu124Torchvision 0.20.0+cu124Torchaudio 2.5.0+cu124 其他版本访问网站：https://download.pytorch.org/whl/torch/ 将文件下载到本地后，使用以下命令安装： pip install torchvision-0.20.0+cu124-cp310-cp310-win_amd64.whl
pip install torchaudio-2.5.0+cu124-cp310-cp310-win_amd64.whl
5. 验证安装
启动 Python，检查 PyTorch 是否成功安装：
import torch
print(torch.__version__) # 应输出 2.5.0
print(torch.cuda.is_available()) # 应输出 True
测试 CUDA 和 CUDNN 是否正常工作：
import torch
x = torch.randn(3, 3).cuda()
print(x)
print(torch.backends.cudnn.is_available()) # 应输出 True
以上步骤完成后，你应该已经成功安装了 NVIDIA 驱动、配置了 CUDA 和 CUDNN，创建了 Conda 环境，并安装了 PyTorch 及相关包。