这几天新配的4070需要安装深度学习环境，开始为了图简便把之前显卡的环境复制过来，结果有各种小问题，什么环境无法导入pytorch，显卡算力和torch的算力不匹配等小问题，导致两天才弄好，下面说下成功安装过程。。。。

1，首先安装好对应的驱动和cudnn-英伟达官网下载具体2可参考这位博主

https://blog.csdn.net/weixin_44791964/article/details/120668551

其中nividia-smi 的版本需要高于或等于cudnn（cuda）的版本。

(78条消息) NVIDIA显卡驱动版本，CUDA版本，cudnn版本之间关系及如何选择_显卡驱动版本高_仟人斩的博客-CSDN博客

2.安装好驱动就得 安装anaconda3,按照一般步骤安装就是了问题不大。首先登录Anaconda的官网：Anaconda | Anaconda Distribution。直接下载对应安装包就可以。

3配置pytorch-gpu环境-Pytorch官网：https://pytorch.org/

首先Win+R启动cmd，在命令提示符内输入以下命令：

conda create –n pytorch python=3.7
conda activate pytorch

进入到torch环境-比如我的是torch

其中Python版本终端输入Python查询就行。

然后， 在torch环境下进行相应的pytorch版本安装

这里有个问题是官方的下载比较慢，也不建议用镜像原，我第一次用镜像下的就是cpu版本的torch，结果cuda一直是false。推荐本地直接下载包安装较快，我们到https://download.pytorch.org/whl/torch_stable.html这个网站里：

cu+序号后面表示cuda版本，即GPU版本（cpu+序号表示cpu)，如cu117表示cuda 11.7；

cp+序号表示python版本，如cp310表示python 3.10；我们按自己的cuda版本和python版本找到对应的torch和torchversion文件即可

然后是pip install + 文件名（注意要带whl)，如

pip install torchvision-0.14.0+cu117-cp310-cp310-win_amd64.whl

安装好后检查：

进入python环境(cat) C:\Users\asus>python 导入torch>>> import torch >>> print(torch.cuda.is_available())#cuda是否可用 >>>print(torch.cuda.get_device_name(0)) #返回设备索引 >>>print(torch.cuda.device_count()) # 返回GPU的数量 >>>print(torch.cuda.current_device()) # 返回当前设备索引 >>> print(torch.rand(3,3).cuda())

结果：查看包和cuda

有torch和vision且为cu版本对应就没问题。

有True ，就可以愉快得使用torch。