第一步：查看自己电脑显卡支持的CUDA版本

Nvidia-smi

注意：这里的11.7是电脑所能支持的最高版本

第二步：查看pytorch对应cuda版本

Pytorch官网查看对应版本关系
标注的地方为查看历史版本

注意区分CPU版本 和 CUDA版本，下错版本会出现GPU 返回 False

第三步：CUDA下载安装

我使用的是 pytorch 1.12.1 版本，所以需要 cuda 11.6 版本
提醒：cudatoolkit就是cuda
CUDA下载官网

找到 11.6 版本

下载到指定的文件夹，运行exe文件
注意！！！：这个文件夹是临时文件夹，安装重启完之后会自动删除，所以后面文件安装不能在此文件夹内




这里的目录不能设置在刚刚的临时文件里面，不然白给



安装完成之后，查看系统环境变量
推荐两种方法:
第一种：按快捷键win+R后，输入sysdm.cpl

第二种：windowns搜索框搜索 环境变量

查看环境变量

重启电脑，重启完之后，cmd打开控制台，输入nvcc -V查看安装是否成功
注意:是大写 V

彩蛋：不想重启的 让环境变量立即生效的方法：
cmd进入控制台，输入set PATH=c，回车
输入 echo %PATH%，回车，返回 c
关闭窗口，之后再次进入控制台，输入echo %PATH%
这样新添加的环境变量已经生效了。
输入nvcc -V验证是否成功

遇到问题：安装完之后法找到nvcc命令

打开path路径，手动添加环境变量

每个人路径不一样
D:\python\Cuda\CUDA\bin
D:\python\Cuda\CUDA\libnvvp

第四步：cudnn下载安装

进入cudnn官网，你需要注册一个cudnn官网账号，有的直接登录即可

登陆完之后会出现这个页面

找CUDA 11.6 对应版本的cudnn，这里我选择的是 8.4.0

下载解压完之后，复制三个文件到指定文件夹，直接ctrl+c，ctrl+v，不用一个一个对应

添加环境变量（比较玄学，有的需要，有的不需要），我的不需要，所以图是偷的

需要的话，把刚刚三个文件夹的路径添加到path中

验证是否安装成功
进入cuda安装路径，D:\python\Cuda\CUDA\extras\demo_suite，找到deviceQuery.exe和bandwidthTest.exe

进入此目录下的控制台，运行deviceQuery.exe和bandwidthTest.exe

遇到这种情况不要慌，看说明需要在前面加上 .\deviceQuery.exe和.\bandwidthTest.exe,收获两个pass代表安装完成

第五步：安装pytorch

不用使用anaconda安装，太慢了，还总是失败
这里使用pip安装，版本号选择参考第二步
我这里只选择 pytorch 和 torchvision

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.12.1 torchvision==0.13.1 -f https://download.pytorch.org/whl/torch_stable.html

静等安装成功

第六步：验证pytorch测试GPU是否安装成功

验证脚本是嫖的

import torch
flag = torch.cuda.is_available()
print(flag)	# 返回true为安装成功
 
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(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())