一、安装前要知道的事情：
- pytorch是基于CUDA的深度学习框架，因此，pytorch的版本必须依赖于cuda toolkit的版本
- CUDA Toolkit可以理解成一个工具包，主要包含了CUDA-C和CUDA-C++编译器、一些科学库和实用程序库、CUDA和library API的代码示例、和一些CUDA开发工具。
- cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。
- CUDA是显卡厂商NVIDIA推出的运算平台。CUD是一种由NVIDIA推出的通用并行计算架构，是一种并行计算平台和编程模型，该架构使GPU能够解决复杂的计算问题。
因此配置环境的流程为：
查看CUDA版本(没有的话则需要安装cuda) --------> 选择与cuda相对应的cudatookit版本+cudnn版本 + pytorch版本
通过下面命令查看cuda版本：
nvidia-smi如果提示nvidia-smi命令未找到，用下面命令安装驱动：
-
在Ubuntu上安装NVIDIA驱动：
-
sudo apt update sudo apt install nvidia-driver - 在CentOS上安装NVIDIA驱动：
-
sudo yum install nvidia-driver
安装完后配置环境变量
向~/bashrc文件末尾添加以下行（请根据你的驱动版本和系统路径进行调整）：
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64保存文件并运行以下命令以使更改生效：
source ~/.bashrc二、如何安装cuda（本人亲测成功）
在cuda官网中下载cuda
https://developer.nvidia.com/cuda-downloads/#
选择对应的cuda版本：cuda版本跟电脑显卡驱动版本号有关，建议显卡驱动版本高的安装高版本CUDA，具体如下：
1.首先在软件和更新里面看一下自己电脑显卡的驱动版本，可以看出本人的是545（这些驱动都可以用，显示有哪个版本，说明电脑将最低支持这个版本）
然后选择自己能选择的cuda版本（比如nvidia-driver-545就可以选择cuda11.0~cuda12.3x之间的所有版本，因为电脑的显卡驱动545支持最新的cuda12.3x,cuda12.3x要求的驱动是大于525.60.13即可）：
注意：cuda是向下兼容的，12.3的cuda可以用12.3以下的所有cuda。
这里选择完后，在终端上输入官网上的那串代码(根据选择的版本对应的代码，根据上面自己选择的cuda版本决定)，下载cuda（大约3GB）。
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /"
sudo apt-get update
sudo apt-get -y install cuda下载完成后，需要将cuda配置导入环境变量。
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}添加完环境变量，记得source一下，命令如下：
source ~/.bashrc然后输入nvidia-smi,即可看到cuda安装成功。（如果显示couldnot communicat with the NVDIA driver，则关机重启后，再输入nvidia-smi,即可看到cuda安装成功）
三、下面再安装GPU版本的pytorch
打开pytorch官网：Previous PyTorch Versions | PyTorch
这里，我们由于cuda是12.3版本，cuda向下兼容，故可以安装12.3版本及以下的所有版本对应的pytorch。这里，我们选择以cuda11.7安装pytorch（下面两种方式任选其一）。
- conda方式安装：
# CUDA 11.7
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia- pip方式安装：
# CUDA 11.7
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
安装完pytorch后，可以在conda环境下，在linux终端中输入python，然后在python命令行下输入
import torchtorch.cuda.is_available()若返回true，则说明GPU版本的pytorch安装成功。
注意：完整的操作步骤可以参照下面第一个链接，其他链接为可能用到的链接：在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境（新手必看！简单可行！）_conda安装cudnn-CSDN博客
CUDA 添加环境变量_cuda添加环境变量-CSDN博客
CUDA Toolkit 11.7 Downloads | NVIDIA Developer
)
