1、cuda配置

cmd命令：cuda最大版本支持，NVIDIA-SMI，其中cuda version为电脑显卡支持的最大版本cuda

nvcc -V 查看已经安装的cuda的版本

cuda下载网址：CUDA Toolkit Archive | NVIDIA Developer

下载之后为.exe文件，双击自定义安装即可

2、torch相关包配置

需要和cuda 进行版本匹配，不匹配将无法适用

版本查看：Previous PyTorch Versions | PyTorch

图中为确定下载的版本的安装包地址，可以下载到本地后进行安装

3、安装步骤

1、创建虚拟环境：conda create --prefix=D:\ProgramData\anaconda3\envs\transformerEnv python=3.10

2、清华镜像： -i https://pypi.tuna.tsinghua.edu.cn/simple

3、部分命令规则：conda list pandas

      pip install /path/to/your/package.tar.gz

      pip install /path/to/your/package.zip

      pip install /path/to/your/package.whl

4、torch离线安装示例：

pip install D:/torch-1.11.0+cu113-cp310-cp310-win_amd64.whl

pip install D:/torchaudio-0.11.0+cu113-cp310-cp310-win_amd64.whl

pip install D:/torchvision-0.12.0+cu113-cp310-cp310-win_amd64.whl

torch与cuda

CUDA（Compute Unified Device Architecture）是由NVIDIA开发的一种并行计算平台和编程模型。允许软件开发者和程序员使用NVIDIA的图形处理单元（GPU）来进行非常复杂的计算任务。CUDA库是一个完整的工具安装包，其中提供了Nvidia驱动程序、开发CUDA程序相关的开发工具包等可供安装的选项

cuda

是否需要安装CUDA

        如果你的电脑没有NVIDIA显卡，那么无法使用CUDA。如果你的电脑有NVIDIA显卡，但不想进行GPU加速计算或深度学习等高级应用，也可以不安装CUDA。如果你需要进行深度学习、科学计算等需要GPU加速的任务，那么安装CUDA是必要的。

打开命令提示符，输入nvcc --version命令，显示CUDA编译器的版本信息

在命令提示符或终端中输入nvidia-smi命令，这将输出当前GPU的状态信息，包括CUDA版本和驱动版本。如果没有安装cuda命令行中输入nvidia-smi显示你的GPU信息，包括支持的CUDA版本。

下载和安装CUDA： 访问NVIDIA官方网站：前往NVIDIA CUDA Toolkit Downloads页面，根据你的操作系统和显卡型号选择合适的CUDA版本。安装CUDA：下载完成后，运行安装程序并按照提示进行安装。在安装过程中，你可以选择自定义安装，只安装必要的组件

安装cuDNN：cuDNN是CUDA的一个关键组件，用于深度学习加速。你需要下载与你的CUDA版本对应的cuDNN库，并按照说明将其解压到CUDA安装目录中

验证安装：安装完成后，你可以通过在命令行中输入nvcc --version命令来验证CUDA是否安装成功。

torch

torch安装的版本要与cuda的版本进行匹配

torch的安装组件包括：torchvision  torchtext，torchaudio ,torchinfo  这些相关库都是要版本匹配的