本文小编为大家详细介绍“怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境”，内容详细，步骤清晰，细节处理妥当，希望这篇“怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。
下面的操作默认你安装好了python
一、conda创建并激活虚拟环境
前提：确定你安装好了anaconda并配置好了环境变量，如果没有，网上有很多详细的配置教程，请自行学习
在cmd命令提示符中输入conda命令查看anaconda
如果显示和上图相同，那么可以继续向下看
1.进入anaconda的base环境
方法1
在cmd命令提示符中输入如下命令
activate
方法2
直接在搜索栏里搜索anaconda prompt并打开即可
方法3
如果你是在linux操作系统下，在你的/anaconda/bin/下打开终端，即可直接进入anaconda的环境
以上三种方法出现（base）就意味着你已经进入了anaconda的基础环境
2.conda创建、进入和退出虚拟环境
这三个操作可以各用一行命令来完成
#创建一个虚拟环境 conda create -n [your_env_name（你的虚拟环境的名字）] python==[X.X]（2.5、3.8等) #eg：conda create -n nnunet_env python=3.8 #进入虚拟环境 conda activate [你的虚拟环境名] #退出虚拟环境 conda deactivate
创建好的虚拟环境文件夹可以在anaconda文件夹中的envs文件夹里找到
后续的环境配置操作均要在激活虚拟环境的情况下完成！！！！！
二、查看CUDA版本
系统的CUDA版本，决定了系统最高可以支持什么版本的cudatoolkit，它是向下兼容的
我们可以通过nvidia-smi命令查看cuda版本号。
比如我的CUDA Version=11.7，那么它就可以支持 ≤ 11.7版本的CUDATookit
现在你已经知道了自己系统的cuda版本，接下来我会以自己利用清华镜像源来配置cuda+cudnn+pytorch深度学习环境的一个例子来简单直白的说明怎样去做
再提醒一遍，下面的操作也要在你激活自己的虚拟环境的情况下进行！
三、安装CUDATookit
我们需要用到下面这条命令
conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
我选择下载11.3版本，这个需要看你们自己的需求来改变，只要你系统的CUDA支持就可以
四、安装cuDNN
如果你成功安装了你想要的那个版本的cudatookit，注意，现在你安装cudnn的版本必须依赖于cudatookit的版本
cuda与cudnn的对应关系可以在cuDNN历史版本下载页面看到：
cuda下载页面
cudnn下载页面
这里我简单列出来了较新的一些版本之间的对应关系
根据上图可知，我安装了CUDA 11.3版本，那么可选的cuDNN版本有很多，这里我直接无脑安装了最新版本，也就是cuDNN的8.4.0版本，同样是用清华镜像源来安装
conda install cudnn=8.4.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
五、安装Pytorch
根据之前我们讲过的，pytorch的版本也是和CUDA版本有对应关系的，比如torch2.6.0只适配cuda10.2、10.1、9.2，不适配cuda11.0。
我们接下来的操作需要进入到Pytorch的官网Previous PyTorch Versions | PyTorch，在里面查看你想要的Pytorch版本它适配的CUDA版本并获取安装命令
比如我现在想要安装Pytorch的1.11.0版本，同时我之前已经安装了CUDA的11.3版本
如上图，这一条命令可以满足我的pytorch和cuda之间的对应关系，因此，我们复制它并运行，即可安装Pytorch 1.11.0
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
注意：
也可以用pip install的命令来下载pytorch，但是因为三四两步都用的是conda，所以这里为了方便也用了condaconda install pytorch安装的是torch CPU版本，conda install pytorch torchvision -c pytorch安装的是GPU版本 检查环境是否配置成功
如果如下操作可以正常进行并打印出你安装的相应版本，那么你已经配置成功
#进入虚拟环境 conda activate [你的虚拟环境名] #输入python来进入python的环境 python #加载torch import torch print(torch.backends.cudnn.version()) #输出8200，代表着成功安装了cudnn v8.4.0 print(torch.__version__) #输出1.11.0，代表成功安装了pytorch 1.11.0 print(torch.version.cuda) #输出11.3，代表成功安装了cuda 11.3 torch.cuda.is_available() #True