背景

之前在电脑上配置cuda和cudnn，那一顿操作，各种下载，复杂不说，还不能随意更难改，不能和各个项目良好对应。知道的很晚，可以直接通过虚拟环境安装cuda和cudnn，两行代码，超级方便，各个环境下有自己的cuda和cudnn，不会相互干扰，实在是很方便了。

一、确定所需要的cuda版本

tesorflow对应cuda版本查询

tensorflow对应的cuda版本
例：

pytorch对应cuda版本查询

执行conda install pytorch=X.X.X -c pytorch时，conda会自动为你选择合适版本的cudatoolkit。但conda只能保证你的pytorch和cudatoolkit版本一定是对应的，但并不能保证pytorch可以正常使用，因为系统的Nvidia Driver有可能不支持你所安装的cudatoolkit版本。

所以，除非你对你的Nvidia driver版本很有自信，否则，还是先查看系统Nvidia Driver的版本，并在上方图表中查询最高支持的cudatoolkit版本，然后指定cudatoolkit版本来安装pytorch吧。例如系统的Nvidia Driver版本为472.47，查询到最高支持cudatoolkit版本为11.4，则可以使用conda install pytorch cudatoolkit=10.4 -c pytorch命令安装pytorch。

---

2023年2月28日补：
①
tensorflow可以先安tensorflow包，再去找对应的CUDA版本进行安装。
pytorch最好直接按照它官方流程，使用它提供的代码直接将torch、torchvision、torchaudio、cudatoolkit四个包包一起安装。
我在另一个博客里总结了，安装pytorch的 官方流程
②
注意，pytorch安装一定要使用pytorch官网上，用pip进行安装，这里虽然没指定cudatoolkit，但也一起安装上了。如图。

如果使用conda，一定会给你安成CPU版本的，让你GPU无法启动,即下面代码返回false。

import torch
print（torch.cuda.is_available()）

---

二、安装指令

安装cuda

这里cudatoolkit（cuda在conda中别名）指定你自己需要的版本

conda install cudatoolkit=10.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

安装cudnn

直接安装cudnn，自动匹配你cuda合适的版本。

conda install cudnn