〇、PyCharm和Anaconda安装
略略略（一直下一步即可）
如果要同时使用TensorFlow 12.x，请使用CUDA11.x；或者根据实际情况选择
一、查看显卡驱动版本
在终端内执行下面的命令：
nvidia-smi
可以看到当前安装的Driver Version: 546.17和CUDA Version: 12.3，后续的步骤均需要根据此版本进行操作。
在执行后续步骤前也可以去英伟达官网，或者使用软件更新一下显卡驱动（精简安装即可）。
二、安装CUDA Toolkit
先前查询到Driver Version为546.17，满足最后一列的所有CUDA最低版本要求。此时可以选择CUDA 12.3 Update 1版本的CUDA Toolkit。
选择对应的版本下载即可，我这里点击CUDA Toolkit 12.3.1进行下载。
安装时一直下一步即可。
三、安装cuDNN
进入cuDNN下载站点，选择最新版本的cuDNN，然后找到和自己的CUDA对应的cuDNN下载即可（需要进行注册登录）。
选择最新的cuDNN v8.9.5，因为先前查到的CUDA Version是12.3，所以可以下载for CUDA 12.x版本。
下载完成后将解压后的文件目录（bin、include、lib）移动至NVIDIA GPU Computing Toolkit目录下（例如我本地是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3）：
四、查询对应的Pytorch-CUDA版本
根据之前查询到的CUDA Version: 12.3进行选择，并复制相应的命令：
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia五、创建Conda环境并安装PyTorch-CUDA
在Anaconda Navigator界面下创建一个环境，例如pytorch-cuda
环境创建完成后，点击Open Terminal，
然后在Terminal界面输入上一步复制的命令，然后等待完成（包较大，需要较长时间）。
六、验证CUDA是否可用
点击Open with Python
然后执行以下代码：
import torch
torch.__version__
torch.cuda.is_available()
torch.zeros(1).cuda()显示True表示有可用的CUDA，即安装完成。
