RTX 3060Ti 深度学习环境配置图文（安装Anaconda、VScode、CUDA、CUDNN、pytorch）
配置
作者配置为台式3060ti，环境为cuda11.4，cudnn8.2，pytorch1.9，python3.9
安装驱动
安装最新的显卡驱动，NVIDIA显卡驱动网站https://www.nvidia.cn/geforce/drivers/ 查找自己的显卡型号，下载安装
输入显卡型号，区分台式与笔记本
一、安装Anaconda
1.1 Anaconda简介
Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。因为包含了大量的包，Anaconda 的下载文件也比较大（约 786 MB），如果只需某些包，或需要节省带宽或存储空间，可选择Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。 conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。
1.2 下载Anaconda
Anaconda官网下载地址：https://www.anaconda.com/download/ 点击Download开始下载，下载速度较慢，耐心等待
点击Next
1.3安装Anaconda
点击I agree
选择Just Me 点击Next
更改安装地址，这里安装到了D盘
这里建议全部勾选上，第二项为添加环境变量，第四项为安装完成后在不影响使用的情况下清理包
等待安装完成
这表示安装完成，点击Next
点击Next
点击Finish 完成安装
1.4 配置环境变量
1.4.1 添加环境变量
下面以win10为例 电脑右下角开始菜单栏选择设置，点击后，找到关于
点击关于，在右上角选择高级系统设置
点击高级系统设置
选择环境变量
选择path，点击编辑，新建
打开刚刚的安装位置，将这三个路径添加到path环境变量中
1.4.2 测试
测试Anaconda是否安装成功 打开Anaconda，输入conda --version
二、安装VScode
2.1 VScode简介
VisualStudioCode（简称VSCode）是Microsoft开发的代码编辑器，它支持Windows，Linux和macOS等操作系统以及开源代码。 VScode集成了所有一款现代编辑器所应该具备的特性，包括语法高亮、可定制的热键绑定、括号匹配、以及代码片段收集等。 它支持测试，并具有内置的Git版本控制功能以及开发环境功能，例如代码完成（类似于IntelliSense），代码段和代码重构等。 编辑器支持用户定制的配置，例如仍在编辑器中时，可以更改各种属性和参数，例如主题颜色，键盘快捷键等，内置的扩展程序管理功能。
2.2 VScode下载
VScode官方网站https://code.visualstudio.com/
2.3 VScode安装
下载完成后，打开VScode 左侧扩展栏搜索Chinese，点击install，安装完成后重启，即为中文页面显示
继续搜索Python, ，点击install进行安装
这里建议首先安装VScode再接着安装CUDA和CUDNN
三、安装CUDA和CUDNN
3.1 CUDA简介
CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型。它通过利用图形处理器 (GPU) 的处理能力，可大幅提升计算性能。 目前为止基于 CUDA 的 GPU 销量已达数以百万计，软件开发商、科学家以及研究人员正在各个领域中运用 CUDA，其中包括图像与视频处理、计算生物学和化学、流体力学模拟、CT 图像再现、地震分析以及光线追踪等等
3.2 CUDA的下载
CUDA官方下载链接，在其中找到适合自己的版本 https://developer.nvidia.com/cuda-toolkit-archive，这里作者为11.4.0版本 下载完成后进行安装
3.3 CUDA的安装
此路径为临时文件夹，安装完成后此文件夹就会删除 默认即可，此处在D盘创建了临时文件夹进行操作，点击OK
等待安装完成
开始正式安装，点击同意并继续
这里选择自定义
这里直接全部勾选即可
开始选择安装路径，这里默认是C盘，此处作者修改为D盘，将三个文件均安装在NVIDIA CUDA文件夹中，点击下一步
点击下一步
这里进行勾选，点击下一步
此处为安装过程，等待几分钟即可
安装完成，这里显示的是安装的信息，直接点击下一步
点击关闭
到了这里，CUDA就全部安装成功，不放心的话可以进行测试 打开命令提示符，输入cmd
输入nvcc -V，输出如下即为安装成功
不放心的话可以进入环境变量中查看是否有CUDA，有的话也是代表安装成功
接下来是CUDNN的安装
3.4 CUDNN的安装
CUDNN官方下载地址：https://developer.nvidia.cn/zh-cn/cudnn 在下载前需要进行账号邮箱的注册，注册完成后即可进行下载，这里点击Archived CUDNN releases，这里作者为8.2版本
选择第四个windows版本进行下载
点击进入后，查找符合自己要求的版本进行下载，下载完成后进行解压
将解压好的文件复制到刚刚安装CUDA的文件夹中
到此，CUDA和CUDNN就顺利安装完成了。
四、Pytorch的安装
4.1 创建虚拟环境
打开Anaconda，进行虚拟环境的创建
输入conda create -n pytorch python=3.9 此处的pytorch为环境变量名，也可以为其他英文字母组合，例如pytch
按回车执行命令
这里是安装包的安装目录，输入y，点击回车
等待下载，下载完成后，即可激活刚刚创建的虚拟环境
4.2 激活虚拟环境
输入conda install cudatoolkit进行下载
输入y，点击回车进行下载，耐心等待下载完成即可
等待下载完成
4.3 安装pytorch
输入：pip install torch1.9.0+cu111 torchvision0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html 点击回车，等待下载，网络不好的话可能会报错，可选择多执行几次命令可以安装成功
下载完成后，即可关闭窗口，进行测试
4.4 测试
打开anaconda激活刚刚创建的环境，作者创建的环境名为pytorch 进入环境后，输入python，点击回车 再输入import torch，点击回车 输入torch.version (注意前面为两个连续的下划线) 没有报错即为安装成功 接下来输入torch.cuda.is_available() 输出一定要为True，输出为True的话就代表顺利安装完成了。
退出环境，输入exit（）
以上就是整个虚拟环境的配置流程。
