前言
建议大伙自己建一个文件夹（不能有中文），专门放深度学习的软件，后续添加环境，比较方便。
1.安装Anaconda
1.1下载Anaconda
Anaconda官网：https://www.anaconda.com
清华大学镜像网站：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
安装Anaconda时，可以选择是否安装Python，不同的Anaconda版本自带的Python版本不同（也可以选择不安装Python），我安装的Anaconda版本为2021.11，所携带的Python版本为3.9。
清华大学镜像网站有Anaconda的往届版本，按需下载对应版本。
1.2安装Anaconda
安装包下载完成后，开始安装。
其他步骤均为默认，该步的安装类型选为All Users。
更改安装位置
第二个打勾
安装完成后，win+r，输入cmd，输入python -V，可以查看到Python版本为Anaconda2021.11自带的3.9版本。
1.3添加环境变量
搜索框中输入“查看高级系统设置”，一般输入“高级”二字就会出来，打开“查看高级系统设置”后，选择“环境变量”。
双击“Path”，选择“新建”，添加的环境变量名称为：安装路径+文件位置。
我是在D盘的DLSE文件夹中新建了anaconda这个文件夹，因此添加的四个环境变量如下：
D:\DLSE\Anaconda
D:\DLSE\Anaconda\Scripts
D:\DLSE\Anaconda\Library\mingw-w64\bin
D:\DLSE\Anaconda\Library\bin
1.4验证安装是否成功
启动Anaconda Navigator，顺利打开即安装成功。
2.安装NVIDIA显卡驱动
进入NVIDIA官网：NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA
立刻下载GeForce驱动程序
注册一个NVIDIA账号，登录后，该程序能自动识别你电脑显卡驱动，然后更新显卡驱动。
安装完成后，在anaconda prompt或cmd中输入nvidia-smi，可以得到自己的显卡信息。
3.安装CUDA和cuDNN
3.1安装CUDA
3.1.1下载CUDA
上一步中，在Anaconda Prompt中输入nvidia-smi得到显卡的CUDA版本。
我的CUDA版本为12.6，那么所下载的CUDA不可高过这个版本。
N卡官网CUDA Toolkit Archive | NVIDIA Developer
选择合适版本，点击CUDA Toolkit 版本号，进入下载界面。
根据自己电脑，选择合适的配置，安装方式选“exe(local)”，点击Download。
3.1.2安装CUDA
安装CUDA时，第一次会让设置临时解压目录，第二次会让设置安装目录。
临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除。
解压完成后，会自动打开安装程序，第四步的“安装”更改一下路径，其他步骤均为默认。
3.1.3验证安装是否成功
win+r键运行cmd，输入nvcc --version 即可查看版本号；
输入set cuda，可以查看 CUDA 设置的环境变量。
3.2安装cuDNN
3.2.1下载cuDNN
打开该网站cuDNN Archive | NVIDIA Developer，查看适配的 cuDNN。
选择跟自己的CUDA版本适配的cuDNN版本
我安装的是CUDA12.6，因此我选择cuDNN v8.9.7
下载完成后是一个压缩包
3.2.2安装cuDNN
将3.2.1所下载的安装包解压后得到以下文件：
CUDA的文件夹中，也有bin、include、lib这三个文件夹。
我们需要做的，便是将cuDNN三个文件中的内容复制到CUDA对应的文件夹中，由于我已经复制过，因此出现的是替换。
3.2.3添加环境变量
依旧是在Path中添加
4.PyTorch安装
4.1创建虚拟环境
打开Anaconda Prompt，创建虚拟环境conda create -n 环境名字（英文） python=x.x（python版本），如下，我就是创建了一个名字叫yolov8，python是3.10版本的环境，在prompt中输入以下命令：
conda create -n yolov8 python=3.10
安装过程中出现Proceed（[y]/n）?时，输入y，按回车键，继续进行安装。
安装完成后输入以下代码，进入yolov8虚拟环境：
conda activate yolov84.2Pip法安装PyTorch
进入PyTorch
选择Pip、Python、合适的CUDA版本，Prompt中运行“Run this Command”中的代码。
开始安装
4.3验证安装是否成功
激活对应的虚拟环境（你安装Pytorch的虚拟环境）
conda activate yolov8输入pip list或者conda list，看有没有pytorch或者torch
分别输入以下代码：
python
import torch
torch.cuda.is_available()
import torch以后回车无error，第二行指令返回的是true就说明PyTorch安装成功。
5.PyCharm安装及配置
5.1安装PyCharm社区版
进入PyCharm官网，点击右上角的“Download”PyCharm: the Python IDE for data science and web development (jetbrains.com)
页面往下拉，下载社区版的PyCharm，专业版要钱，社区版免费，功能少点儿，但也够用了。
都选，记得更改安装路径。
5.2PyCharm配置
打开PyCharm后，新建项目，项目名称和位置自行修改，解释器类型选择“自定义环境”，选择现有环境，Conda类型，选择你的Anaconda安装路径下的conda.bat，环境选择之前配置的虚拟环境，我的是yolov8，点击创建。
点击右下角的解释器，添加新的解释器，添加本地解释器。
选择conda环境，使用现有环境，选择之前配置的虚拟环境，我的是yolov8，点击确定。
5.3验证CUDA和cuDNN版本
右键项目文件夹，新建Python文件，文件名随意。
输入以下代码：
import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())运行结果如下，则证明安装成功。
至此，深度学习软件及环境配置完成。
参考文献
[1]2023最新pytorch安装（超详细版）-CSDN博客
[2]pycharm中添加conda环境所遇到的问题及解决方法汇总_pycharm无法加载conda环境-CSDN博客
[3]适合小白的超详细yolov8环境配置+实例运行教程，从零开始教你如何使用yolov8训练自己的数据集（Windows+conda+pycharm）-CSDN博客
[5]深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】-CSDN博客
[6]新手保姆级GPU版本pytorch安装（win系统），CUDA和torch对应版本！_torch cuda-CSDN博客
标签：赛博,torch,cuDNN,CUDA,版本,Anaconda,PyCharm,安装 From： https://blog.csdn.net/weixin_54416370/article/details/142588139