# 參考資料
1.[完美解決（最簡單）：不同虛擬環境不同CUDA版本的安裝問題（tensorflow-gpu與pytorch）](https://blog.csdn.net/m0_61102347/article/details/120922915?utm_source=app&app_version=6.3.4&code=app_1562916241&uLinkId=usr1mkqgl919blen)
2.[conda環境配置cuda+cudnn+pytorch深度學習環境](https://blog.csdn.net/qq_18256855/article/details/131217600?app_version=6.3.4&code=app_1562916241&csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22131217600%22%2C%22source%22%3A%22unlogin%22%7D&uLinkId=usr1mkqgl919blen&utm_source=app)
---
# 流程圖

---
#### Step 1.更新顯示卡驅動
去到[Nvidia驅動下載網站](https://www.nvidia.com/zh-tw/geforce/drivers/)，選擇自己顯示卡的驅動，請注意"下載方式"請選擇Studio 驅動程式。


選擇最新的安裝即可。

安裝顯示卡驅動的程式就一直下一步即可。

---

Step 2.下載 Miniconda
去到 [Miniconda 下載網站](https://docs.anaconda.com/free/miniconda/index.html)，選擇Windows版安裝。


之後會遇到這個畫面，"Add Miniconda3 to my PATH enviroment variable"要勾


---
Step 3.建立並進入虛擬環境
在Windows 搜尋欄中輸入Anaconda，選取圖中紅色箭頭的選項，


我們在CMD中輸入`conda create --name deeplearning python=3.12`，即可創建名為 deeplearning 的虛擬環境，虛擬環境中是使用python 12。之後安裝程式會問 Proceed([y]/n)? 輸入y即可。


我們可以利用`conda env list`來查看所建立的虛擬環境。

接者我們要用VScode進入我們剛建立好的虛擬環境，我們打開任何一個python專案，並新增Terminal。


在Terminal中新增command prompt。


並在命令列輸入conda activate deeplearning，即可進入剛剛所創立的虛擬網路。


前面就會顯示成功進入deeplearning這個虛擬環境。


---
Step 3.安裝Pytorch
在安裝之前請先到CMD中輸入`nvidia-smi`，查看當前顯卡可匹配的Cuda版本。我的Cuda version是12.4。


去到[Pytorch下載網站](https://pytorch.org/)，選擇對應的選項，再複製下方的Command，回到剛剛創建的虛擬環境中，在命令列中貼上。



如此一來就只差Cudnn要安裝了。

---
Step 4.安裝Cudnn
在Terminal中輸入 `conda search cudnn` ，查找相匹配的Cudnn。已我來說我所下載的Cuda 是 12.x 版本，所以我選擇 8.9.2.26版的Cudnn。


選好之後，輸入`conda install cudnn=8.9.2.26`即可。

---
Step 5. 測試

在VScode中新增一個 test.py，輸入

import torch
print(torch.cuda.get_device_name(0))

執行之後就可以看到你的顯卡名稱。