win+R:启动cmd; 输入nvidia-smi 查看cuda的配置

(1) 安装CUDA

地址：https://developer.nvidia.com/cuda-downloads

详细参考：安装CUDA与CUDNN与Pytorch（最新超级详细图文版本2023年8月最新）_pytorch安装cudnn_LyaJpunov的博客-CSDN博客

(2) 安装CUDNN加速

地址：NVIDIA Developer Program Membership Required | NVIDIA Developer

详细参考：安装CUDA与CUDNN与Pytorch（最新超级详细图文版本2023年8月最新）_pytorch安装cudnn_LyaJpunov的博客-CSDN博客

(3) 创建pytorch-gpu的虚拟环境

查看镜像源通道：

conda config --show-sources 

在C盘中的用户目录下，查看.condarc文件：将下面的配置复制上，并保存：（使用的阿里云的镜像源）

​
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.aliyun.com/anaconda/pkgs/main
  - https://mirrors.aliyun.com/anaconda/pkgs/r
  - https://mirrors.aliyun.com/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.aliyun.com/anaconda/cloud
  msys2: https://mirrors.aliyun.com/anaconda/cloud
  bioconda: https://mirrors.aliyun.com/anaconda/cloud
  menpo: https://mirrors.aliyun.com/anaconda/cloud
  pytorch: https://mirrors.aliyun.com/anaconda/cloud
  simpleitk: https://mirrors.aliyun.com/anaconda/cloud

​

在anaconda中创建pytorch的虚拟环境：

conda create -n pytorch-gpu python=3.9

激活环境：然后根据要求点yes 就行。

conda activate pytorch-gpu 

(4) 安装pytorch: 找到自己对应的cuda的版本，然后复制

pytorch的官网：https://pytorch.org/

下载对应的包：

安装完毕后查看pytorch  是否可以使用cuda:

第一步输入：

python

第二步输入：

import torch
torch.cuda.is_available()

结果为：True就说明可以使用了。