- 检查自己电脑的GPU
CUDA下载：https://developer.nvidia.com/cuda-toolkit-archive CUDNN下载：https://developer.nvidia.com/rdp/cudnn-download pytorch下载：pytorch.org
1.1 安装命令
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html 在这之前 先安装 cuda 和
2.安装NVIDIA控制面板 找到 版本驱动 www.nvidia.cn/geforce/dri… 下载控制面板，我这里是电脑自带的有
3.CUDA11 安装 developer.nvidia.com/cuda-toolki… 下载对应的版本
- CUDNN的下载及配置 developer.nvidia.com/zh-cn/cudnn 经过一系列的注册操作，终于可以下载了
- 通过镜像进行安装
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com
安装成功
正常的镜像：pip install -i pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com 包名称
其他镜像地址
豆瓣(douban) pypi.douban.com/simple/
清华大学 pypi.tuna.tsinghua.edu.cn/simple/
阿里云 mirrors.aliyun.com/pypi/simple…
中国科技大学 pypi.mirrors.ustc.edu.cn/simple/
中国科学技术大学 pypi.mirrors.ustc.edu.cn/simple/
7.查看安装结果
能够成功导入
这里就搞笑了 一顿操作猛如虎，下载 CUDA 和 CUDNN 都还没安装呢，这里可以显示可以用GPU.那意思前面搜索那么多的讲安装的文章都白看了吗？这里我也表示很懵逼，还有就是后面如果我训练一个模型，GPU内存不够怎么做？.
8.再次确认
flag = torch.cuda.is_available()
if flag:
print("CUDA可使用")
else:
print("CUDA不可用")
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为：",device)
print("GPU型号： ",torch.cuda.get_device_name(0))
pytorch的CPU版本&GPU版本的环境安装（附带cuda和cudnn）
