在学习深度学习的过程中，针对于不同的网络模型，常常需要配置与之对应的代码环境，结合互联网和师门同学的经验，这里给出了我自己最顺手的环境配置方法。
参考环境配置
python 3.8 cuda 11.3.1 cudnn 8.2.1 torch 1.12.0 torchvision 0.13.0
操作步骤
注：以下操作均在Anaconda Prompt当中进行。
1、创建环境
conda create 模型名称 python=3.8
2、激活环境
activate 模型名称
3、下载 cuda（实际上就是cudatoolkit）和cudnn
conda install cudatoolkit==11.3.1
conda install cudnn==8.2.1
4、下载torch和torchvision
①下载torch1.12.0和torchvision0.13.0的whl文件
网址：https://download.pytorch.org/whl/torch_stable.html
搜索：Ctrl+F
②cd/d 你下载的whl文件路径
pip install torch文件名
pip install torchvision文件名
5、下载requirements.txt中的配置
pip install requirements.txt文件路径 requirements.txt
在深度学习的模型包中，通常会有名为requirements的txt文件，记录该模型需要的其他配置，内容格式示例如下：
检测环境
python
import torch
torch.cuda.is_available()
a=torch.Tensor([1.])
a
若正常输出，则配置成功。
注意事项
1、查询可用的cuda版本
conda search cudatoolkit
2、查询cuda匹配的cudnn版本
conda search cudnn --info
3、查询环境配置版本（超级好用，建议一边配置环境，一边conda list检查版本是否匹配）
conda list
4、不同深度学习模型需要的环境配置方案不同，需要具体问题具体分析，这里仅提供一种示例，目的是展示环境配置的一般流程，请读者自行查阅各版本对应信息（网上很多的啦~），敲定版本方案之后按步骤进行安装。
5、卸载某个环境配置
pip uninstall XXX
6、下载某个环境配置
pip install XXX==x.x
标签：配置,torch,环境,学习,cudnn,conda,install,深度,快速 From： https://blog.csdn.net/lango_LG/article/details/137054215