开局一张图：
接下来按照从下往上的顺序来安装部署。
规则1 注意每个层级的安装版本，上层的版本由下层版本决定
比如CUDA的版本，需要看显卡安装了什么版本的驱动，然后CUDA的版本不能高于这个驱动的版本。
这个比较好理解，CUDA、PyTorch都有向下兼容性。比如显卡支持版本12，你只要不超过版本12，那么显卡都能支持你去使用，所以CUDA的版本可以小于等于12。PyTorch同理。
一、安装CUDA
1.1 确定版本
根据 规则1，我们查看自己显卡支持的版本，然后来决定下载哪个版本的CUDA。
打开显卡控制面板：
查看安装的驱动：
可以看到安装的CUDA驱动版本为12.2.68，那我们安装的 CUDA Toolkit 版本需要小于等于此版本。
1.2 下载安装
下载地址：CUDA Toolkit Downloads
老版本地址：CUDA Toolkit Archive
进入页面后选择操作系统相关信息后，下载cuda的最新安装包：
也可以下载历史版本：
按照上面1.1版本确认，版本需要小于等于12.2.68，这里选择12.2.0。
下载后双击安装，一路下一步后，到安装位置，可以看到默认安装在 c:\Program Files\NVIDIA GPU Computing Toolkit 路径下：
1.3 安装检验
在命令行运行 nvcc -V查看：
> nvcc -V
二、安装cuDNN
2.1 确认版本
根据 规则1，cuDNN的版本要适配CUDA的版本12.2.0。
2.2 下载安装
下载地址：cuDNN最新版下载
老版本下载地址：cuDNN Archive | NVIDIA Developer
进入页面后选择操作系统相关信息后，下载cuDNN的最新安装包：
也可以下载历史版本：
根据版本规则，我们需要选择上图中 for CUDA 12.x的版本。
解压后，把cuDNN的文件夹合并到CUDA的安装路径下的同名文件夹：
比如bin文件夹合并后如图：
红框内的为cuDNN的扩展文件。
三、安装pyTorch
3.1 确认版本
根据 规则1，pyTorch支持的CUDA的版本需要小于等于12.2.0。
3.2 下载安装
获取命令地址：Start Locally | PyTorch
获取老版本命令地址：Previous PyTorch Versions | PyTorch
如图选择CUDA 11.8，小于 CUDA Toolkit 12.2.0，是可以直接安装的。
获取到的安装命令：
> conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia 也可以安装历史版本：
获取到的安装命令：
> conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=12.1 -c pytorch -c nvidia3.3 安装检验
进入python环境：
> python导入pyTorch库及相关命令：
>>> import torch
>>> torch.cuda.is_available()) # 查看GPU是否可用
>>> torch.cuda.device_count()) # 查看GPU数量
>>> torch.version.cuda) # torch方法查看CUDA版本
>>> torch.cuda.current_device()) # 查看GPU索引号
>>> torch.cuda.get_device_name(0)) # 根据索引号得到GPU名称
四、引用
深度学习—Python、Cuda、Cudnn、Torch环境配置搭建_torch cuda-CSDN博客
如何用conda安装PyTorch（windows、GPU）最全安装教程（cudatoolkit、python、PyTorch、Anaconda版本对应问题）（完美解决安装CPU而不是GPU的问题）-CSDN博客conda安装GPU版pytorch，结果却是cpu版本[找到问题根源，从容解决]_为什么conda安装pytorch版本不对-CSDN博客
