本地环境搭建软件 第1篇
方式一：打开nvidia控制面板
方式二：win+R打开cmd，输入nvidia-smi
可直接查看自己可安装的最高版本的CUDA版本。
可以看出我这台电脑要安装版本，我们去下载cuda不可以高于这个版本，最好也别过低。（后续要进行gpu pytorch环境的配置，版本也要与cuda版本相对应，建议下载版本与，这两者兼容的Pytorch版本多，不易出错）
切换CUDA版本可参考这里
CUDA官网： 下载相应版本即可。
路径可不用更改，下载后存放CUDA的文件夹会自动消失，后面可以从C盘中找到相对应的路径。
下载地址：
下载的时候注意版号，一定要让cudnn和cuda的版号完全一样才可以。 下载好之后打开cudnn的压缩包，再打开cuda的目录（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本号，
把下载的cudnn压缩包的东西全都放进cuda目录下对应的文件下，至此cuda+cudnn安装成功了，anaconda prompt，输入nvcc -V来看看cuda信息：
直接命令安装失败的概率高，故最好选择下载安装包进行安装，再在anaconda里下载whl文件。
还是在 Anaconda prompt 命令，输入 python。
注：里面的文件cpu开头的是CPU版本，cu开头的才是我们要下载的GPU版本，可参照下表，以免下错版本。
本地环境搭建软件 第2篇
step1：创建自己的文件夹（可以在自己文件夹中创建项目文件夹跟环境文件夹，这样方便管理）
指令如下：
step2：进入自己的环境文件夹中
step3：在环境文件夹中创建新的环境
step4:虚拟环境的进入与退出
step5：进入相应环境后，在该环境中下载需要的数据包
step1：在清华镜像源中下载需要的Anaconda安装包，网址如下：
注意：部分服务器可能无法直接使用指令下载，如下图所示，则可使用方法二的方式进行下载。
step3 ：进行授权（是压缩文件能够解压缩等操作），命令行如下
step4：运行安装指令(一定要先进入到你压缩包的目录下，才能进行解压缩操作)
本地环境搭建软件 第3篇
（1）打开PyCharm，单击New project
（2）PyCharm创建Conda工程
5、创建完成后自动进入如下界面：
cuda： Compute Unified Device Architecture，是一种有NVIDIA推出的通用并行计算架构， 该架构使GPU能够解决复杂的计算问题。
cudnn： 是NVIDIA 推出的用于深度神经网络的GPU加速库，他强调性能，易用性和低内存开销。
cuda和cudnn的关系： cudnn是基于cuda架构开发的专门用于深度神经网络的GPU加速库。cuda可以理解为一个大的商圈，但这个商圈是空的，还未装修。cudnn可以理解为装修后的房间，例如负一楼专门针对游乐（深度神经网络）装修成大型游乐厂。
详细了解可参考大神的文章