本教程适用于 NVIDIA 显卡 + Windows 系统 + Conda 环境。
⚠️ 强烈建议：不要手动单独安装 CUDA Toolkit，除非你需要编译 CUDA 程序。
对于 PyTorch 用户来说，只需安装正确的 NVIDIA 驱动 + 匹配版本的 PyTorch 即可。
1. 安装Conda
Conda 可选择：
- Anaconda（体积大，预装包多）
- Miniconda（轻量级，推荐）
这里推荐 Miniconda。
1.1 下载Miniconda
根据操作系统和CPU架构，进入官方仓库找到对应的安装包，点击下载：Index of /miniconda
1.2 安装 Miniconda
以 Windows 为例：
- 右键安装包 → 以管理员身份运行
- 一直点击下一步
- 必须勾选：Add Miniconda to PATH（添加到系统路径）
1.3 验证安装
按下Win+R打开运行面板
输入powershell打开命令行
在命令行中输入：
conda --version
若输出版本号，例如：
conda 24.x.x
则说明安装成功。
1.4 创建&激活conda环境
创建环境，在powershell中输入：
conda create -n torch -y
激活环境：
conda activate torch
若在命令行前显示环境名，类似(torch) PS C:\Users\Username>，则激活成功。
1.5 为conda安装Manba
Mamba 是 Conda 的 C++ 重写版本，完全兼容 Conda 命令，但安装速度和依赖解析速度比 Conda 快 10-50 倍。
conda原生安装pytorch需要解析数十分钟，并且占用大量内存（32G内存能给占满）。
Mamba只需要解析几十秒，占用很少内存。
激活conda的torch环境后，在powershell中输入如下指令安装mamba：
conda install mamba -y
2 安装Pytorch
2.1 确认Nvidia驱动
安装前确认Nvidia驱动，通常在装机时，显卡驱动会自动安装
在 PowerShell 输入：
nvidia-smi
如果输出类似（注意图中的CUDA Version）：
说明驱动已安装。
如果提示命令不存在，则需要安装驱动（此处省略驱动安装过程）。
上图中的CUDA Version代表当前显卡驱动最高能支持的CUDA版本，记住，之后有用。
2.2 安装Pytorch
进入Pytorch官网PyTorch Versions，查找你能支持CUDA版本的Pytorch版本，找到对应的conda安装指令，例如conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia
将其中的conda替换为mamba，在激活conda环境的powershell命令行中输入：
mamba install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia
等到安装完成即可
2.3 验证安装
在激活了conda环境的命令行中输入python，回车进入
复制如下代码并粘贴：
import torch
print(torch.__version__)
print(torch.cuda.is_available()) # 应该输出 True
print(torch.cuda.get_device_name(0)) # 应该显示 你的显卡型号
示例输出：
输出正常则说明大成功！
之后使用时，必须激活你为Pytorch创建的conda环境。