摘要图
1 PyCharm安装
pycharm是一个用于计算机编程的集成开发环境，主要用于python语言开发。
Windows x64 (exe) 是为基于 x86-64 架构的 64 位 Windows 操作系统设计的。这种安装程序可以在大多数主流 PC 上运行，包括使用英特尔和 AMD 处理器的电脑。
Windows ARM64 (exe) 是为基于 ARM64 架构的 64 位 Windows 操作系统设计的。这种安装程序主要用于 ARM 架构的设备，例如 Surface Pro X 和其他 ARM PC。它不能在普通的 x86-64 架构 PC 上运行。
2 Anaconda安装
开源的Python发行版本，其包含conda、Python等180多个科学包及其依赖项。如果只需要某些包，节省存储空间，也可以下载Miniconda这个较小的发行版（仅包含conda和 Python）。环境管理便捷，有利于解决进行不同深度学习任务时科学包及其依赖项版本不匹配的问题。
2.1 安装
2.2 环境管理
先点击
，
进入Anaconda （base环境）
(base) C:\Users\187>查看本地的虚拟环境
(base) C:\Users\187>conda env list
# conda environments:
#
base * D:\APP\Anaconda3创建环境（以 v4 为例）
(base) C:\Users\187>conda create -n v4 python=3.8
#会创建一个python3.8版本的虚拟环境（其中也会有一些自带的基础库，如pip库）进入虚拟环境（以v4为例）
(base) C:\Users\187>activate v4
(v3) C:\Users\187>查看虚拟环境中安装的库
(v4) C:\Users\187>conda list
# packages in environment at C:\Users\187\.conda\envs\v4:
#
# Name Version Build Channel
ca-certificates 2024.9.24 haa95532_0
libffi 3.4.4 hd77b12b_1
openssl 3.0.15 h827c3e9_0
pip 24.2 py38haa95532_0
python 3.8.20 h8205438_0
setuptools 75.1.0 py38haa95532_0
sqlite 3.45.3 h2bbff1b_0
vc 14.40 h2eaa2aa_1
vs2015_runtime 14.40.33807 h98bb1dd_1
wheel 0.44.0 py38haa95532_0删除环境（以 v4 为例）
conda remove -n v4 --all修改虚拟环境名称（以v3-->v4为例）
conda create --name v4 --clone v3
conda remove --name v3 --all 3 NIVDIA驱动的安装
3.1 查看电脑是否配有显卡
3.2 安装显卡驱动 
如果桌面有显卡驱动的控制面板，则代表驱动安装成功。
3.3 查看驱动支持的最高CUDA版本
Win + R 组合键打开 cmd 命令窗口，输入：nvidia-smi
nvidia-smi
4 安装PyTorch框架
进入PyTorch官网
4.1 安装示例（以V-1.10.1---CUDA-11.3为例）
点击
，输入activate v4 进入 v4 虚拟环境。
运行conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge（如果下载中断，重新复制命令继续下载）
(v4) C:\Users\18769>conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge
#使用镜像源（中国科技大学源）
#conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -i https://pypi.mirrors.ustc.edu.cn/simple/4.2 环境测试
进入Pychorm
import torch #导入torch库
H = torch.cuda.is_available() #判断cuda是否可用，可用则为Ture
print(H)
n_GPUs = 1 #自定义GPU个数
device = torch.device("cuda:0" if H and n_GPUs>0 else "cpu") #有GPU用GPU，没有GPU用CPU
print(device) #GPU在计算机中的编号
print(torch.cuda.get_device_name(0)) #GPU型号
print(torch.rand(4,4).cuda()) #创建一个4*4矩阵
cuda_version = torch.version.cuda #打印CUDA版本
print("cuda_version:",cuda_version)
cudnn_version = torch.backends.cudnn.version() #打印cudnn版本
print("cudnn_version:",cudnn_version)
到这终于能运行啦！撒花✿✿ヽ(°▽°)ノ✿
标签：torch,Users,框架,编程,PyTorch,version,v4,cuda,conda From： https://blog.csdn.net/2201_75538245/article/details/143258563