这套环境实在是太复杂坑太多，配了大半年，今天终于终于成功了。

直接用软件和更新安装470版本显卡驱动，出错几率最小。

查看安装状态

会出现显卡版本和CUDA支持

首先感谢二位前辈的原贴： https://blog.csdn.net/weixin_43491255/article/details/118549032 https://blog.csdn.net/a563562675/article/details/119458550

附上CUDA全家桶的下载链接

ubuntu2004，显卡驱动470，适配pytorch1.9.0的11.3 CUDA / 8.2.1CUDNN

deb1 deb2 deb3 run

ubuntu1804，显卡驱动470，适配pytorch1.9.0的11.3 CUDA / 8.2.1CUDNN

run deb1 deb2 deb3

首先在这里下载你需要的CUDA安装包（runfile格式） 由于你懂得原因，推荐用踢子打开，不然进不去。 https://developer.nvidia.com/cuda-toolkit-archive 一定要注意版本！！！ 我推荐CUDA 11.3.0 + CUDNN 8.2.1 + Pytorch 1.10 这三者的组合非常麻烦，这套我亲测成功，别的搭配不敢保证。 由于你懂得原因，wget下载极慢，这里有个小技巧，把wget后面的链接复制一下，贴到能用踢子的浏览器，直接用浏览器下载。我当时大概3M/s，速度还不错。文件很大，2.8G，耐心下载。 下好之后改权限， 然后输入这个安装：

接下来会出现这个，在Driver那里按回车，不安装驱动（我们刚才已经装好驱动了），然后选Install安装。 装好之后打开环境变量

加入这两行保存，注意我这里是11.3，你如果是别的版本，要改成自己的

刷新环境变量

终端输入

如果这样就说明成功了，里面显示了CUDA可用的设备信息。

先下载三个deb包，一定要用deb，出错几率小 https://developer.nvidia.com/rdp/cudnn-archive 我的是11.3，选择里面的8.2.1 for 11.x 安装这三个包

最后安装一下依赖

刚才有个包是cudnn自带的样例sample，运行测试一下

开始运行sample

如果出现 Test passed，说明安装成功

查看一下cudnn版本

到清华镜像源下载安装包 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载好之后输入命令安装，记得一路选yes

打开condarc切换conda清华源

把里面的内容替换成这个。已经包括了修改defaults，TUNA官网首页的方法。

最后创建一个虚拟环境，用来安装pytorch

激活环境

安装一波依赖，顺便测试一下刚才的源，如果速度很快，那么就很棒棒，一会的Pytorch也会很顺利

进入官网，查看你的版本对应的安装命令

https://pytorch.org/get-started/locally/ 在刚才的虚拟环境里输入命令安装pytorch

20.04 + pytorch 1.9.0 + cuda 11.3 的指令：

最新版GPU版本的：

CPU-Only版本的：

大家根据自己的情况从上面选一个

安装文件非常大，耐心等待即可，如果源切换成功了，这里下载会很快。

进入虚拟环境，输入命令测试，大功告成！