首先电脑上要有Anaconda，使用conda创建一个虚拟环境,并激活
conda create yolov8
conda activate yolov8
win+R输入cmd，在命令窗口输入
NVIDIA-smi
可以查看到自己电脑支持的cuda环境，如下图
再打开torch的官网
pytorch官网
查看目前支持的版本
在打开的conda虚拟环境中输入
conda search cudatoolkit
有时候使用阿里源可能会查不到，如果查不到的话使用默认源应该就可以了。
查询本机支持的cudatoolkit版本，对应torch官网和NVIDIA-smi查询到当前最高支持的CUDA版本，选择一个版本的cudatoolkit和torch进行安装。
本次选择cudatoolkit=11.8
conda install cudatoolkit=11.8
如果有需要确认的输y回车或是直接回车键均可
安装完成后再安装pytorch
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
安装完成后在该环境运行python脚本进行测试
# -*- codeing = utf-8 -*-
# @Time : 2024/10/15 15:27
# @Author : 于振东
# @File : test_cuda.py
# @Software: PyCharm
import torch
flag = torch.cuda.is_available()
if flag:
print("CUDA可使用")
else:
print("CUDA不可用")
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为：",device)
print("GPU型号： ",torch.cuda.get_device_name(0))
torch.cuda.is_available()
#cuda是否可用；
torch.cuda.device_count()
#返回gpu数量；
torch.cuda.get_device_name(0)
#返回gpu名字，设备索引默认从0开始；
torch.cuda.current_device()
#返回当前设备索引；
效果如下
注：本博客为个人环境安装备忘记录，仅供参考。
