一、思路和目的
Pytorch（Cuda和Cudnn）架构可以让代码在NVIDIA的GPU上运行，Anaconda（包含Python和Conda等）可以管理包，同时可使用Anaconda虚拟环境安装Pytorch，避免环境之间的冲突。Pycharm工具可以使用Anaconda中的python编译器，同时可以导入Anaconda和Pytorch的包进行相关编码进行运算。建议：先安装Anaconda，然后创建python虚拟环境，再根据需求在对应python虚拟环境安装Cuda和对应的Cudnn和Pytorch，然后连接Pycharm。
二、技术工具介绍及联系
1、Cuda
Cuda是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。也就是说Cuda只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥Cuda的作用。
2、Cudnn
Cudnn是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，Cudnn不是必须的，但是一般会采用这个加速库。
3、Anaconda（创建的每个python虚拟环境都可以由base切换到对应的虚拟环境根据要求自行安装cuda和cudnn及对应的pytorch，此文安装仅限其自带的base python虚拟环境）
Anaconda是目前最流行的数据科学平台以及现代机器学习的基础。同时Anaconda 也是一个Python的发行版，专注于人工智能，天然适合科学计算，数据分析和机器学习，其包管理器是conda。Anaconda distribution 是世界上最流行的Python/R数据科学平台，是在一台机器上开发、测试、训练的工业标准。Anaconda distribution能够使每个数据科学家快速的下载1500+Python/R数据科学包，能够使用Conda管理库和依赖项以及环境，能够用scikitlearn/Tensorflow/Theano开发和训练机器学习和深度学习模型，能够用Dask/Numpy/Pandas/Numba分析可伸缩性和性能的数据，能够用Matplotlib/Bokeh/Datashader/Holoviews可视化结果。
4、Pytorch
Pytorch是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）。2、包含自动求导系统的深度神经网络。
5、Pycharm
PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。将Anaconda中的python.exe集成到Pycharm中，便可以在使用PyCharm的过程中使用到所有Anaconda的包了。
三、安装Cuda（看看就行）
1、在自己电脑找到并打开NVIDIA控制面板，并点击“系统信息”。
2、在系统信息中可以找到自己电脑GPU的驱动程序版本，比如博主电脑的GPU驱动程序版本就是Windows x86_64 Driver Version 391.25。（注意：如果版本太低可以选择更新一下驱动版本（点击此链接打开更新驱动方法流程），博主建议大家一定要更新，至于更新到什么版本可以参考博主安装Pytorch的步骤时的NVIDIA驱动程序版本，方便后面安装其他的torch包，否则很容易因为版本不匹配报错，并且只能重头卸载再安装）
3、GPU的驱动程序版本和Cuda的版本对应关系如下图所示，比如博主电脑驱动程序的版本就是Windows x86_64 Driver Version 391.25，对应下载的Cuda版本就是Cuda 9.0（9.0.76）。
4、点击下面的链接进入Cuda官网下载网页。
Cuda官网下载网页：点击链接打开网页
5、根据第3步找到对应要下载的Cuda版本，比如博主电脑对应下载的Cuda版本是Cuda 9.0（9.0.76），所以再点击CUDA Toolkit 9.0。
6、首先点击选择“Windows”版本，然后点击“x86_64”，再点击“10”，然后点击“exe（local）”，最后点击 Base Installer旁边的“Download”。
7、等待下载（10min钟左右），下载完成。
8、双击文件，然后可以选择修改Cuda安装路径（默认是安装在C盘，注意：博主强烈建议不要修改默认安装路径，因为即使修改了，后面安装的文件也会自动移植到C盘，后面还得修改环境变量非常麻烦），最后点击“OK”，等待安装（3min左右）。
9、安装完成后会弹出一个新的界面，检查Cuda和你的电脑系统的兼容性（2min左右）。
10、检查完成没有问题后，点击“同意并继续”。
11、选择点击“自定义”，然后点击“下一步”。
12、点击取消“Driver components”，再点击“下一步”。
13、可以选择更改安装路径（博主强烈建议不修改安装路径，选择默认安装路径），不修改安装路径就直接点击“下一步”。
14、点击下图方框，然后点击“NEXT”，等待安装（5min左右）。
15、点击“下一步”。
16、根据下图勾选方框，然后点击“关闭”。
17、Cuda安装完成之后，打开电脑CMD控制平台，直接输入下面的命令验证是否安装成功，如果显示下面图片的内容说明安装成功。
nvcc -V
注意：
（1）有的安装文章中提到可以使用下面的命令在CMD控制平台运行，验证Cuda是否安装成功，如果大家电脑CMD控制平台运行代码后显示不是内部或外部命令等问题，往往出现这种问题的原因就是大家电脑中的环境变量中PATH没有相关命令文件的路径。
nvidia-smi
（2）那就在自己电脑的环境变量PATH中加上下面的路径内容。
C:\Program Files\NVIDIA Corporation\NVSMI
（3）再次输入下面命令在CMD控制平台运行，若有显卡信息则也说明Cuda安装成功。
nvidia-smi
18、当然也可以在先安装Anaconda后直接输入下面的命令查看可以安装的cuda版本。
conda search cudatoolkit --info
19、然后选择比较进的版本，然后进行conda安装。
conda install cudatoolkit==版本号
四、安装Cudnn
1、点击下面链接打开NVIDIA Developer 官方网页。
NVIDIA Developer 官方网页：点击打开官方网页
2、进入网页后之前有账号就选择直接登录，直接点击“登录”，跳过下面第3步；若没有账号需要先注册，点击“立即加入”。
3、自行注册填写相关必要信息（可使用QQ邮箱等注册）。
4、在官方网页成功登录后，点击下图的方框。
5、根据你电脑已经下载好的Cuda版本选择相对应的Cudnn版本，比如博主的电脑之前下载的是Cuda9.0版本，发现上图中没有对应的，所以再点击“Archived cuDNN Releases”。
6、找到对应的Cudnn版本，然后点击进行下载。
7、下载完成之后进行解压。
8、将上面三个解压文件复制粘贴到之前电脑已经下载的对应Cuda的安装路径对应的文件夹中去。
9、给第8步三个对应的文件夹配置环境变量。
10、在Cuda的安装路径于电脑CMD控制平台进行验证是否安装成功，若出现下图表示安装成功！
11、除上面流程外当然也可以在Anaconda后复制下面命令查看cudnn可以安装的版本。
conda search cudnn --info
12、根据上一步选择安装的cuda版对应的cudnn版本。比如：如果上一步安装的是cuda11.2，而cudnn8.2.1是支持11.0~11.4的，所以可以安装cudnn8.2.1版本的cudnn。
conda install ducnn==版本号
五、安装Anaconda
1、点击下面链接打开清华大学开源软件镜像站下载Anaconda。（注意：安装Anaconda前可以不安装Python，因为Anaconda是一个Python的发行版，包括了Python和很多常见软件库和一个包管理器Conda）
清华大学开源软件镜像站：点击链接打开网页
2、建议大家选择Anaconda3版本，博主举例选择的是“Anaconda3-5.3.1-Windows-x86_64.exe”版本。
3、下载完成后，双击可执行文件。
4、点击“Next”。
5、点击“I Agree”。
6、按照下图顺序点击。
7、首先可以更换安装路径，注意文件夹命名一定要是英文，博主是安装到E盘，然后点击“Next”。
8、点击“Insatll”。
