anaconda配置pytorch环境4070

### 配置Anaconda环境中支持4070 GPU的PyTorch

#### 创建虚拟环境并激活
为了确保兼容性和隔离性，在 Anaconda 中创建一个新的虚拟环境是非常重要的。对于 Python 版本的选择，建议使用与目标 PyTorch 和 CUDA 版本相匹配的版本。

conda create -n pytorch_4070 python=3.9
conda activate pytorch_4070

#### 安装CUDA工具包和cuDNN
NVIDIA GeForce RTX 4070 支持最新的 CUDA 工具包版本。确认安装适合该硬件的 CUDA 和 cuDNN 库是必要的。通常情况下，通过 Conda 或 pip 安装特定版本的 PyTorch 可以自动处理这些依赖关系[^1]。

#### 使用Conda安装PyTorch (GPU版)
考虑到RTX 4070的支持情况以及最佳性能表现，推荐采用官方渠道提供的预编译二进制文件来简化安装过程：

conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c nvidia

这条命令会从 `pytorch-nightly` 渠道获取最新构建的 PyTorch 软件包，并指定 CUDA Toolkit 的版本为 11.8，这通常是适配于较新 NVIDIA 显卡的最佳选择之一[^2]。

#### 测试PyTorch是否能够检测到GPU
完成上述步骤后，可以通过下面的小段Python代码验证PyTorch能否成功识别已连接的GPU设备：

import torch
print(torch.cuda.is_available())
print(torch.__version__)
print(torch.version.cuda)

如果一切正常，这段脚本应该返回True表示存在可用的CUDA设备，并打印出当前使用的PyTorch及其底层CUDA库的具体版本号。