安装步骤在Windows和ubuntu系统中应该是一致的，建议浏览一遍文章再尝试配置环境
一、创建新的虚拟环境
这里以Anaconda为例，打开终端
创建新的虚拟环境，test_torch可替换为别的名字（自定义），3.10也可以改为别的python版本，不过不建议太低
conda create -n test_torch python=3.10
下载完成之后，激活环境
二、安装cuda
找到显卡控制面板
点击左下角系统信息
查看最高支持的cuda版本
选择一个cuda版本安装，不要超过最高支持的cuda版本
在终端使用conda命令安装，这里选择了12.1版本的cuda
conda install nvidia/label/cuda-12.1.1::cuda --channel nvidia/label/cuda-12.1.1或者（11.8版本的安装命令如下，用作示例参考）
conda install nvidia/label/cuda-11.8.0::cuda --channel nvidia/label/cuda-11.8.0
三、安装cudnn
在安装完成cuda之后，根据安装的cuda版本，选择合适的cudnn安装
查找cudnn：
conda search cudnn --info前面安装的是cuda12.1，找一个支持12.1的cudnn安装
8.9.2.26为版本号，cuda12_0 为上面build的名称
conda install cudnn=8.9.2.26=cuda12_0
查看下载的cuda：nvcc -V
四、安装pytorch
之前的 PyTorch 版本 | PyTorch - PyTorch 深度学习库
在pytorch官网查找适合cuda12.1版本的pytorch安装命令，这里选择2.3.0版本的torch，当然也可以选择更高版本的，只要支持cuda12.1即可
conda install pytorch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 pytorch-cuda=12.1 -c pytorch -c nvidia
安装的时候出现一个问题，但目前没有发现什么影响，不放心的可以试试别的版本或命令，例如cuda11.8：
conda install nvidia/label/cuda-11.8.0::cuda --channel nvidia/label/cuda-11.8.0
conda install cudnn=8.9.2.26=cuda11_0
conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=11.8 -c pytorch -c nvidia
验证 CUDA和Pytorch 是否可用
import torch
print(torch.__version__) # 查看 PyTorch 版本
print(torch.cuda.is_available()) # 输出 True 表示 CUDA 可用
print(torch.cuda.get_device_name(0)) # 查看 GPU 型号（如 NVIDIA GeForce RTX 3050）
