torch.cuda.is_available()
返回true，说明cuda也装好了
3090显卡安装tensorflow/pytorch一 3090显卡驱动二 安装CUDA11.0三 安装cuDNN四 安装anaconda五 安装tensorflow/pytorch六 安装gdal
我的系统是Ubuntu18.04，这个教程对所有Ubuntu系统都适用，只是要安装正确的显卡驱动和cuda/cudnn
一 3090显卡驱动
去官网下载正确的显卡驱动即可。具体操作见：https://blog.csdn.net/LIWEI940638093/article/details/109304789
网上很多关于python+pytorch+cuda+cuDNN的教程，作为一只新手小菜鸟，好不容易跟着众多大佬们成功安装了cuda和cuDNN，并通过了检测！好家伙啊，发现我不会加到虚拟环境里！
接着各种查怎么把安装到本地的cuda整到目标虚拟环境里，发现很多是从conda里直接install，不过直接下载会很慢，大多是从清华大学开源软件镜像站下载cuda和cuDNN包，在conda中从本地install，或者在conda中直接从镜像站网址中下载............
conda install cudatoolkit=10.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
后面放的是清华镜像源
最近在做比赛，网上开源的一些项目使用的anaconda、python、cuda、pytorch 版本不尽相同，需要不断查看自己的版本，然后切换版本，于是就有了这篇博文。。。
查看anaconda版本：
conda -V
查看Python版本：
python
python --version
查看Cuda版本：
nvcc -V
查看Pytorch版本：
impo...
### 回答1：
首先，您需要确保您的系统已经安装了NVIDIA CUDA工具包。然后，在Anaconda命令行中，您可以使用以下命令来创建一个新的虚拟环境并安装cuda：
conda create -n myenv
conda activate myenv
conda install cudatoolkit
然后就可以在这个虚拟环境中使用cuda了。
### 回答2：
Anaconda是一个用Python进行科学计算和数据分析的集成环境。为了更好地进行深度学习任务，需要安装CUDA（Compute Unified Device Architecture），这是一种实现通用并行计算的技术，常用于GPU的计算，因为GPU拥有比CPU更多的计算核心和内存带宽。
下面是安装Anaconda虚拟环境并安装CUDA的步骤：
1. 下载CUDA Toolkit，从官网上下载适合自己操作系统的版本。
2. 安装Anaconda，在官网上下载Anaconda并安装。
3. 创建新的Anaconda虚拟环境。在终端中输入以下命令：
conda create --name your_environment_name python=3.7
其中your_environment_name是所需创建的环境名称。
4. 激活环境。在终端中输入以下命令：
conda activate your_environment_name
激活虚拟环境，后续的操作都在这个环境下进行。
5. 安装cudatoolkit。在终端中输入以下命令：
conda install cudatoolkit
这个命令将会安装当前所支持的最新版本的CUDA。
6. 配置环境变量。将CUDA添加到环境变量中，可以使得其他程序调用CUDA库更加方便。可以通过以下命令来添加：
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib:$LD_LIBRARY_PATH
7. 验证安装是否成功。可以使用以下命令来查看是否安装成功：
nvcc --version
如果显示CUDA版本，说明安装成功。
现在，您的Anaconda虚拟环境已经安装了CUDA。您可以在这个环境下安装其他的GPU支持的Python库，例如TensorFlow、PyTorch等，来进行深度学习训练。在训练过程中，可以利用CUDA计算能力加速算法运行，提升训练速度和效率。
### 回答3：
首先，我们需要安装anaconda，它是一个非常流行的Python发行版，提供了许多科学计算和数据分析的工具和库。
接下来，我们需要安装CUDA，这是一个由NVIDIA开发的并行计算平台和编程模型，用于加速深度学习和其他计算密集型任务。
1. 下载CUDA安装包
访问NVIDIA官网，下载你需要的CUDA安装包，注意需要选择和你系统相匹配的版本。
2. 安装CUDA
按照安装向导的提示进行安装即可。不要忘记设置系统环境变量。
3. 创建Anaconda虚拟环境
在conda的命令行界面中，运行如下命令：
conda create -n myenv python=3.6
其中，myenv是你想要创建的虚拟环境的名称，python=3.6表示要使用python 3.6版本。
4. 激活虚拟环境
接着，输入以下命令激活虚拟环境：
conda activate myenv
5. 安装CUDA依赖库
在虚拟环境中，执行以下的命令安装CUDA依赖库：
conda install cudatoolkit=10.0 cudnn
其中，cudatoolkit=10.0表示要安装CUDA 10.0版本，cudnn表示要安装相应的依赖库。
6. 测试CUDA
安装完成后，我们需要测试CUDA是否正常工作。可以在conda的命令行界面中运行以下命令：
python
然后输入以下代码：
import tensorflow as tf
tf.test.gpu_device_name()
如果输出结果类似于“/device:GPU:0”，表示CUDA已经成功安装并且正常工作。
这样，我们就成功地在Anaconda虚拟环境中安装了CUDA。现在可以在虚拟环境中使用CUDA加速深度学习和其他计算密集型任务了。
