这里使用的是torch=1.11.0，官方推荐的Cuda版本是11.3，因此会用到cuda11.3，与cuda11.3对应的cudnn是8.2

1.Cuda和Cudnn的下载
官网下载地址：
先安装cuda11.3.0
https://developer.nvidia.com/cuda-toolkit-archive


然后安装对应版本的cudnn8.2
https://developer.nvidia.com/cudnn
首先要根据官网要求一步步注册填写个人信息，这个就没啥好说的，按照指示操作就可以了。
进入官网以后要找对应版本8.2.1.32

下载完以后得到以下两个文件

2.Cuda和Cudnn的安装
下载好文件以后打开exe进行安装。

同意并继续–选择自定义，下一步–下一步

安装好后在C盘找到根目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
我这边已经安装过3个不同的版本了，就都留在这里=.=

安装好CUDA，下一步将Cudnn的内容解压：

将解压后的全部内容复制到C盘根目录之下：

1．Pytorch-gpu环境的创建与激活
Win+R启动cmd，在命令行窗口输入以下指令：

conda create -n pytorch-gpu-rtx3070 python=3.8
activate pytorch-gpu-rtx3070

这里一共存在两条指令：
前面一条指令用于创建一个名为pytorch-gpu-rtx3070的环境，该环境的python版本为3.8。
后面一条指令用于激活一个名为pytorch-gpu-rtx3070的环境。

2．Pytorch-gpu库的安装
直接运行指令安装：

pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html

本地安装的话需要进入网站https://download.pytorch.org/whl/torch_stable.html，
下载以下两个文件：
完成后检验一下：

3．其他依赖库的安装
深度学习模型需要的其他常用依赖库（如果清楚匹配版本的话可以写上==‘版本’，版本未知的话，会自动下载最新版本或与当前环境设置配合的版本，后期可以根据模型的需要进行调整）：

scipy
numpy
matplotlib
opencv_python
torch==1.11.0
torchvision==0.12.0
tqdm
pillow
h5py

可以将这些写入一个txt文件中：requirements.txt

在cmd命令行输入以下指令：

pip install -r E:\leona\深度学习环境配置\pytorch-gpu-1.11.0-win10-rtx3070\requirements.txt

安装完成如下：