文章目录
0.00写在最前面
小白朋友们别去折腾这些驱动cuDNN之类，最简gpu pytorch安装教程：
使用pytorch自带的cuda教程
1、cmd输入nvidia-smi看右上角cuda版本
2、装上anaconda或者miniconda换国内源
3、打开anaconda prompt创建一个虚拟python环境：
conda create -n 环境名称 python=3.8
4、激活环境：
conda activate 环境名称
5、去pytorch官网选择对应的pytorch gpu版本比如：
conda install pytorch torchvision torchaudio cudatoolkit=11.3
（去掉了-c pytorch据说是下载更快）
6、等待安装完成后校验是否成功，依次输入:
ipython回车
import torch回车
torch.cuda.is_available()回车
若输出True就妥了
0.Anaconda安装、配置、使用的详细教程
1.MobaXterma远程连接服务器
2.linux系统下配置cuda及pytorch
3.linux操作系统下在conda环境中配置cuda和pytorch
步骤一：安装cuda
步骤二：安装pytorch
pytorch官网
但是不明白只进行了步骤二，就可以了
4.显卡Cuda和pytorch自带的cuda
4.1 查看CUDA版本的方式
nvidia-smi
nvcc --version
python -c "import torch; print(torch.version.cuda)"
（1）nvidia-smi，指的是显卡的硬件信息，安装完显卡驱动就可以直接使用了，系统同一时间只能安装一个版本的驱动程序，如果安装多套版本就可能会导致未知的错误，驱动程序保持最新版本即可。这里的CUDA version指的是驱动CUDA的版本，几乎所有的算法项目使用的不是驱动CUDA，而是运行时CUDA
（2）nvcc --version指的是运行时的cuda版本
4.2 cuda的分类：显卡Driver CUDA和 Runtime CUDA
| 序号 | cuda分类 |
|---|---|
| 显卡Driver CUDA | Runtime CUDA |
1.显卡驱动CUDA
runtime CUDA 是 NVIDIA 封装的上层接口，几乎所有的应用程序，都是直接调用 Runtime CUDA 的 API，而 Runtime CUDA 内部调用 Driver 的接口。所以通常所说的 CUDA 都是指的 Runtime CUDA（除非是驱动开发的人员）。另外 NVIDIA 有一个规则，Runtime CUDA 的版本号必须小于等于Driver CUDA 的版本号，所以 nvidia-smi 输出的 CUDA 版本可以理解为该系统所能安装的最高 CUDA 版本号是多少。
2.运行时CUDA
nvcc --version输出的是当前安装的 CUDA 的版本，而系统同一时间还可以安装多套 CUDA，并且安装的方式还多种多样。
在安装Runtime CUDA 的时候会附带nvcc编译器，所以nvcc打印的是运行时的CUDA版本，同样，torch.version.cuda打印的也是运行时CUDA的版本。PyTorch 自带的 CUDA 只包含库文件，没有 nvcc 编译器，所以没有 nvcc 这个命令；而且一个系统可能有多套 CUDA，如果 nvcc --version 显示的 CUDA 对不上号，是因为系统本身安装了其他版本的 CUDA
运行时CUDA安装方式有多种，可以是 （1）pytorch自带的，（2）ubuntu官方安装的，（3）conda安装的
（1）pytorch自带的
# 会自动安装 CUDA 10.2
pip3 install torch
# 会自动安装 CUDA 11.3
pip3 install torch --extra-index-url https://download.pytorch.org/whl/cu113
# 会自动安装 CUDA 11.6
pip3 install torch --extra-index-url https://download.pytorch.org/whl/cu116
（2）ubuntu官方安装的
sudo apt-get install nvidia-cuda-toolkit
（3）conda安装的
conda search -c conda-forge cudatoolkit # 列出所有可以安装的版本
conda install -c conda-forge cudatoolkit=xx.x.x
