conda安装的cudatoolkit 与Nvidia官方提供的cudatoolkit是不一样的。 1、实际上，Nvidia 官方提供安装的 CUDA Toolkit 包含了进行 CUDA 相关程序开发的编译、调试等过程相关的所有组件。 2、但对于 Pytorch 之类的深度学习框架而言，其在大多数需要使用 GPU 的情况中只需要使用 CUDA 的动态链接库支持程序的运行( Pytorch 本

文章目录 一.cuda安装二、nvidia 驱动和cuda runtime 版本对应关系三、安装cudatoolkit,cudnn对应版本四、cuda11.2版本的对应安装的pytorch版本及安装五、相关参考 一.cuda安装 1.确定当前平台cuda可以安装的版本 安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下：

在使用深度学习框架的过程中一定会经常碰到这些东西，虽然anaconda有时会帮助我们自动地解决这些设置，但是有些特殊的库却还是需要我们手动配置环境，但是我对标题上的这些名词其实并不十分清楚，所以老是被网上的教程绕得云里雾里，所以觉得有必要写下一篇文章当做笔记供之后参考。 1|0GPU型号含义   参考【GPU编程系列之一】从深度学习选择什么样的gpu来谈谈gpu的硬件架构 显卡：

问题： 使用conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch 安装 pytorch 出现cudatoolkit和pytorch 下载进度终止 出现报错： CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda.an