Pytorch安装（GPU版本）

1、检查是否具有合适的GPU， 如有则安装Cuda,Cudnn

(1)检查电脑是否有合适的GPU

在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本。

(2)下载Cuda

官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2

在https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 这里可以查询到我们应该下载哪个版本

然后，根据实际情况选择合适的版本

查看cuda的历史版本

点击需要下载的版本。

CUDA10的安装包可直接从NVIDIA官网下载。

根据相应的系统选项，我选择的是cuda_10.1.243_426.00_win10.exe(大小为2.5G)，安装的时候建议选择自定义 而不是“精简”(从下面的英文解释可以看出，其实这里的精简写成完整应该更贴切，它会安装所有组件并覆盖现有驱动，然而我并不想安装全家桶，何况我的官方显卡驱动比它的新)。
(3)cuda安装

双击exe安装包

点击同意并继续

选择自定义模型

默认勾选驱动程序组件

默认安装位置，下一步

等待安装

至此安装完成。

注意：cuda的环境变量会自动进行配置。

(4)查看是否安装成功。

win+R，打开cmd窗口，输入nvcc –V，显示CUDA版本信息，安装成功

2.安装cuDNN

cuda安装完成之后，还需要下载与CUDA对应的相应版本的cuDNN，到下图所示的下载页面，下载完成后，将这个压缩包里的所有文件放到CUDA10安装目录相应文件夹下即可。

下载地址：

https://developer.nvidia.com/rdp/cudnn-download

点击10.1版本的cuDnn

下载之后，

(1)解压：会生成cuda/include、cuda/lib、cuda/bin三个目录；

(2)分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1对应的include、lib、bin目录下即可。

注意：不是替换文件夹，而是将文件放入对应的文件夹中

添加环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

此电脑→“高级系统设置”→“环境变量”→“系统变量”→“path”→“编辑”→“新建”加入该路径即可。

3.Pytorch安装

设置清华源：

### 设置清华源镜像
 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
 conda config --set show_channel_urls yes
### 设置pytorch镜像
 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/

获取pytorch的安装命令：

注意要把后面的-c pytorch去掉，不然还是使用的默认源下载。

conda install pytorch torchvision cudatoolkit=10.1

测试Pytorch与cuda是否安装成功：
打开pycharm，输入如下代码：

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

返回True证明成功了。