linux在anaconda环境中配置GPU版本的cuda+cudnn+pytorch深度学习环境（简单可行！一次完成！）

一、安装前要知道的事情：

• pytorch是基于CUDA的深度学习框架，因此，pytorch的版本必须依赖于cuda toolkit的版本
• CUDA Toolkit可以理解成一个工具包，主要包含了CUDA-C和CUDA-C++编译器、一些科学库和实用程序库、CUDA和library API的代码示例、和一些CUDA开发工具。
• cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。
• CUDA是显卡厂商NVIDIA推出的运算平台。CUD是一种由NVIDIA推出的通用并行计算架构，是一种并行计算平台和编程模型，该架构使GPU能够解决复杂的计算问题。

因此配置环境的流程为：

查看CUDA版本 ——> 选择cudatookit版本 ——> 选择cudnn版本 + pytorch版本

通过下面命令查看cuda版本：

nvidia-smi

如果提示nvidia-smi命令未找到，用下面命令安装驱动：

• 在Ubuntu上安装NVIDIA驱动：

• sudo apt update
  sudo apt install nvidia-driver
  

• 在CentOS上安装NVIDIA驱动： 

• sudo yum install nvidia-driver
  

安装完后配置环境变量，向~/bashrc文件末尾添加以下行（请根据你的驱动版本和系统路径进行调整）：

export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64

保存文件并运行以下命令以使更改生效：

source ~/.bashrc