步骤：

1、安装显卡驱动；

2、安装CUDA；

3、安装CUDNN；

4、安装Conda；

5、安装Pytorch。

一、系统和硬件信息

1、Ubuntu 22.04

2、显卡：4060Ti

二、安装显卡驱动

（已经安装的可以跳过）没安装的可以参考这个

这里我使用的显卡驱动是545

三、确定自己要安装的PyTorch及其对应的CUDA 

PyTorch网站：Previous PyTorch Versions | PyTorch

根据此网站可以发现，自v2.1.0以来，都是支持CUDA 12.1和CUDA 11.8两个版本，所以尽量从选择这两个CUDA版本 

CUDA与显卡驱动版本对应网站：CUDA 12.5 Update 1 Release Notes

从这个网站看一看自己已安装的显卡驱动版本是否支持CUDA版本

结合这两个网站，最后得出结论，我要安装的PyTorch版本是v2.3.0，CUDA版本是12.1。版本确定好之后，接下来就是安装了。

四、安装CUDA

4.1、下载及安装

下载地址：CUDA Toolkit Archive | NVIDIA Developer

可以选择12.1.1或者12.1.0版本，这里我选择了比较新的12.1.1版本。然后根据自己CPU架构、系统选择版本，可以参考下图。

选择完毕之后，会给出相应的安装命令，如下所示：

wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run
sudo sh cuda_12.1.1_530.30.02_linux.run

运行之后，选择continue-->输入accept-->按空格去掉安装显卡驱动的选项-->选择install，等待安装完毕即可。

4.2、配置环境变量

sudo nano ~/.bashrc

在尾部加入以下内容（路径不一定和我一样，看版本号）

export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

更新环境变量

source ~/.bashrc

查看CUDA版本信息

nvcc -V

4.3、测试CUDA（非必要）

如果上面步骤和我一样，demo路径一般是

/usr/local/cuda-12.1/extras/demo_suite

随便运行一个，例如bandwidthTest

./bandwidthTest

看到上图说明安装成功。

五、安装cuDNN

NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks.

5.1、下载cuDNN

下载地址：https://developer.nvidia.com/rdp/cudnn-archive

下载与CUDA版本对应的cudnn，下载时需要注册登陆

本文以CUDA12.1和4060Ti为例，注意自己的操作系统版本及架构

5.2、安装

sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb

六、安装Anaconda或者Miniconda

参考Ubuntu20.04安装CUDA+CUDNN+Conda+PyTorch_ubuntu20.04安装cuda10.2-CSDN博客

安装完成之后给Pytorch创建环境，我这里使用的python版本是3.12，其他版本应该也可以。

创建环境之后，进入到此环境中，然后安装PyTorch

七、安装PyTorch

网址：Previous PyTorch Versions | PyTorch

需要安装的版本按照自己需求，CUDA版本对应即可。

静待安装完成就ok。

最后测试是否能正常使用参考Ubuntu20.04安装CUDA+CUDNN+Conda+PyTorch_ubuntu20.04安装cuda10.2-CSDN博客