英伟达安装Conda

### 如何在 NVIDIA 设备上安装配置 Conda

#### 安装 Miniconda 或 Anaconda
对于希望在其 NVIDIA 设备上设置 Python 开发环境的研究人员和开发者来说，Miniconda 是一种轻量级的选择。可以通过访问官方网站下载适合操作系统的最新版本[^2]。

#### 创建特定于项目的 Conda 环境
为了确保项目依赖项的一致性和隔离性，在创建新的 conda 环境之前应先激活 base 环境：

conda create --name gpu_env python=3.9
conda activate gpu_env

此命令会建立名为 `gpu_env` 的新环境，并指定使用的 Python 版本为 3.9。

#### 安装 PyTorch 和 CUDA 工具包
一旦有了适当命名的空间来容纳所需的库之后，则可以继续添加必要的组件以支持 GPU 加速的应用程序开发。特别是当目标硬件是基于 Nvidia 架构时，通常还需要安装相应的 CUDA Toolkit 来实现最佳性能表现:

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

上述指令不仅安装了 PyTorch 及其视觉处理扩展模块 TorchVision，还指定了兼容的 CUDAToolKit 版本 (这里选择了 11.3)，从而使得所构建的应用能够充分利用 Nvidia 显卡的能力进行高效运算[^1]。

#### 测试 PyTorch 是否能识别到 GPU
完成以上步骤后，建议运行一段简单的代码片段验证当前环境中是否已经正确设置了对 GPU 的调用权限：

import torch
print(torch.cuda.is_available())
print(torch.__version__)
if torch.cuda.is_available():
    print(f'Device name: {torch.cuda.get_device_name(0)}')
else:
    print('No available GPUs.')

这段脚本将会输出有关系统内是否存在可用图形处理器的信息以及正在使用的 PyTorch 库的具体版本号。