1、安装Anaconda
点击进入Anaconda官网👉：Anaconda.com官网https://www.anaconda.com/download/
如果下载速度太慢可以使用这个镜像链接：
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source MirrorIndex of /anaconda/archive/ | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务，帮助用户更方便地获取开源软件。本镜像站由清华大学 TUNA 协会负责运行维护。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下载最新版的Windows版本即可（默认时间正序，注意别下载了最老的版本）
下载后直接next：
*建议勾选👆“Add Anaconda3 to my PATH environment variable”，避免自己配置环境变量。
最后点击Finish，Anaconda就安装完成了。
2、安装Cuda+Cudnn
先查看自己电脑所支持的CUDA的最高版本是多少。
win+R 输入cmd 进入命令行，输入nvidia-smi
根据右上角的CUDA Version可以知道，该电脑适配12.0版本以下的CUDA。
注意：安装cuda的版本时不要安装最新版本，很有可能会和之后安装的东西不适配。版本是向下兼容的，12.0表示最高支持12.0，可安装12.0及以下版本。
因为目前（2023.7.4）Pytorch正式版最高支持11.8，所以我选择安装CUDA11.8。你也可以去Pytorch官网查看一下目前的版本。如果你不需要Pytorch那就随便。
*进入Pytorch官网往下滑就能看到这个，现在我这里最高就是CUDA11.8
现在下载Cuda👉：Cuda历史版本下载地址https://developer.nvidia.com/cuda-toolkit-archive选择你需要的版本下载：
然后根据你自己的情况选择，最后点击Download：
下载完成后一路无脑下一步即可。
现在安装 Cudnn👉：
https://developer.nvidia.com/rdp/cudnn-downloadhttp://Cudnn-download**需要注册成为Developer才能下载。**
我安装的是Cuda11.8，所以我选择下面 **for CUDA 11.X **的版本。
下载解压，并将三个文件夹复制到Cuda安装文件夹中。
有问题还可以看这个up的视频，超详细👉：【2022最新版CUDA安装+环境配置，人工智能小白变强教程！！！-人工智能/深度学习/机器学习】https://www.bilibili.com/video/BV1dd4y1k7Ru/
3、安装Pytorch
打开Anaconda Prompt，准备新建环境。
输入conda create -n pytorch python=3.9，创建名为pytorch的环境（python=？可以根据情况调整，建议别太新）。
新建成功后，输入conda activate pytorch进入pytorch环境。
进入PyTorch官网，复制下面的代码：
粘贴进Anaconda Prompt，开始安装Pytorch：
** 常见问题：**
1、下载超时：关掉魔法上网和加速器，如果还不行建议在CSDN搜索Pytorch离线安装。
2、提示Could not find a version that satisfies the requirement torch (from versions: none)：点进这里https://download.pytorch.org/whl/torch_stable.html看看有没有你需要的那种排列组合。
比如这里就没有Python3.7以下的了，你还用很老的Python就找不到对应的包。
3、在自己创建的pytorch环境里用不了Pytorch：安装时忘记切换到pytorch环境了，看上面怎么切环境，然后重装Pytorch。
4、安装Pycharm
进入官网下载社区版（免费）：
Download PyCharmDownload the latest version of PyCharm for Windows, macOS or Linux.https://www.jetbrains.com/pycharm/download/?section=windows
官网往下滑找到社区版
最后完成安装并重启。
5、配置Pycharm环境
在项目中打开设置：
新建解释器（Add Interpreter）：
完成后运行以下代码测试配置是否成功：
import torch
print(torch.__version__) #注意是双下划线
输出 2.0.1+cu118 （前面的数字代表torch版本，后面是对应的Cuda版本）即成功。
也可输入以下代码检查：
import torch
print(torch.cuda.is_available()) #检查cuda是否可用
torch.version.cuda #查看torch对应的cuda的版本
版权归原作者 小菜鸡竟是我自己 所有， 如有侵权，请联系我们删除。