深度学习工具 Anaconda、conda、CUDA、cuDNN、pytorch、Cuda Toolkit 解释

Anaconda 中文大蟒蛇，是一个开源的 Python 发行版本。

包含了包括 Python、Conda、科学计算库等180多个科学包及其依赖项。Anaconda就是可以便捷获取包且对包能够进行管理，包括了python和很多常见的软件库和一个包管理器 conda。
同时Anaconda还附带捆绑了两个非常好用的交互式代码编辑器（Spyder、Jupyter notebook）。
常见的科学计算类的库都包含在里面了，使得安装比常规python安装要容易，同时对环境可以统一管理的发行版本。因此，安装了 Anaconda 就不用再单独安装 Python。

conda是一个包管理器，环境管理器。我们可以通过命令行（Anaconda prompt 或者终端）来使用它。

在 Anaconda 中 conda 可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。所以对虚拟环境进行创建、删除等操作需要使用 conda 命令。

和 pip 相比：

如果想在指定环境中使用 pip 或者 conda 进行安装包，则需要先切换到指定环境中，再用命令安装。

CUDA 是一个调用GPU的工具，现有的主流深度学习框架基本都是基于CUDA进行GPU加速的。

CUDA（Compute Unified Device Architecture）是由NVIDIA推出的并行计算平台和编程模型，用于利用NVIDIA GPU进行通用目的计算。CUDA允许开发人员使用C、C++、Python等编程语言在GPU上编写并行程序，从而加速各种计算密集型任务。

CUDA的主要作用包括：并行计算、加速计算、深度学习、科学计算。

cuDNN 是基于 CUDA 的深度学习 GPU 加速库，有了它才能在GPU上完成深度学习的计算。

如果把 CUDA 看作是一个配有很多像锤子、螺丝刀这样工具的工作台的话，cuDNN 就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，这样才能使GPU进行深度神经网络的工作。

PyTorch是一个开源的深度学习框架，由Facebook的人工智能研究团队开发和维护。PyTorch提供了灵活的张量计算和动态计算图的功能，使得深度学习模型的设计、训练和部署变得更加简单和高效。

PyTorch的主要特点和用途包括：动态计算图、易于使用、动态神经网络、强大的计算能力。

Nvidia Driver驱动：操作系统和硬件GPU进行沟通交互的程序，没这个驱动，GPU就是一个摆设，调用不起来，所以得先装这个。装了这个电脑就能用GPU了，但是深度学习搞不定。
CUDA Toolkit工具包：是基于驱动程序，用来实现GPU并行计算和加速深度学习的软件包。通过这个软件包，调用驱动，实现更加高级的功能。
cudnn深度学习加速库：是专门针对深度学习的GPU加速库，如果你要使用深度学习框架，这个是必需的。虽然也是CUDA Toolkit的组件，但是官方的下载包里面并没有，需要自己额外下载。
pytorch，tensorflow深度学习框架：CUDA Toolkit并没有提供深度学习的框架，只是提供了如何高效调用GPU的软件库。如果你要创建深度学习模型，进行训练。还是要使用深度学习框架。
Nvidia官方下载的CUDA：官方下载的CUDA Toolkit是包含了驱动的，并且联合到一块是称为CUDA的。
conda下载的CUDA：是不包含驱动的，但是高版本的驱动，是向前兼容的，你可以下载相匹配的cuda toolkit，构成不同版本的cuda。

anaconda、虚拟环境、cuda、pytorch、pycharm之间的关系，以及配置时出现的问题：https://blog.csdn.net/qq_53092944/article/details/136563738；

一文搞懂深度学习所有工具------Anaconda、CUDA、cuDNN：https://blog.csdn.net/everyxing1007/article/details/123703059；